人工神经网络的特性

风靡全球

人工神经网络的特性

传统的计算机实际上是由明确的编程指令操作下的信号处理器。人工神经网络是基于神经元的连接而成的拓扑网络系统具有一系列传统计算机和线性网络所没有的特点。主要表现在以下几个方面:

1.非线性

人工神经网络,特别是多层次非线性广泛连接的网络,其输入、输出表现出非常显著的外部非线性关系。经证明,只要有足够数目的神经元,任何非线性连续函数都可以由一个三层前向网络以任意要求的精度来近似。

2.自学习性

当外界环境发生变化时,经过一段时间的训练和感知,神经网络能自动调整网络结构参数,使得对于给定的输入能够产生期望的输出。

3.强容错性

神经网络是天然的冗余结构分布式存储,因此,也就具有很强的容错能力。部分的信息丢失或模糊的信息仍可以得到完整的恢复,表现出明显的稳健性。

4.联想推广能力

网络一经训练成功,就可以正确地处理与训练和样本集相似的数据,’在一定的误差范围内,还可以处理非完全的数据,由局部联想整体,表现出联想记忆的特征。

5.存储与处理合一

在神经网络的学习阶段,输入信息是靠调节网络连接权值而存储于有关的权中,这种存储方式是分布的而不是象普通计算机般集中存储。工作时,信号在流过网络的同时受到加工处理,形成典型的分布并行处理。经证明,人工神经网络的存储能力是惊人的。

6.高度并行性

神经元的基本运算形式相同,可以同时执行,使得神经网络可由硬件实现。神经计算机的实现,使得计算速度有成千上万倍的提高。