神经网络模型简介

人工神经网络(ANN)起源于对生物神经元的研究。它是基于真实人脑神经结构、功能和特性，抽象模拟成的一种信息处理系统。由于神经元之间不同的连接方式，从而构成了不同结构的神经网络。

主要应用：信息处理（回归&预测）；模式识别；人工智能

一、神经元介绍
一个神经元具有多个树突，主要用来接受传入信息。信息通过树突传递进来后经过一系列的计算（细胞核）最终产生一个信号传递到轴突。轴突只有一条，轴突尾端有许多轴突末梢可以给其他多个神经元传递信息。轴突末梢跟其他神经元的树突产生连接，从而传递信号。这个连接的位置在生物学上叫做“突触”。在神经元之间，要使冲动能从前一神经元传递到下一神经元，也要求刺激量超过某一水平，从而释放足够的化学递质以**下一个神经元。这种**神经元产生神经冲动的最小刺激量称为神经元阈值。
也就是说一个神经元接入了多个输入，最终只变成一个输出，给到了后面的神经元，那么基于此，可以去构造一个类似的结构。

二、模型起源
M-P神经元模型 （ANN的一个处理单元）
特性：（1）多输入、单输出
（2）兴奋性和抑制性输kj入（连接值w的正负）
常用**函数 f ：
（1）阈值型函数（结果转化为（0,1）或（-1,1），常用于感知器、M-P、Hopfield模型)
（2）线性函数
（3）分段型（饱和）函数 （主要用于模式识别）
（4）S型(sigmoid)函数（对数函数、双曲正切函数） （主要用于BP模型、认识机模型）
（5）双极S型函数 (-1<f(x)<1)

三、神经网络的分类
（1）按连接方式：前向神经网络；反馈（递归）神经网络
（2）按学习方式：有导师学习；无导师学习
（3）按实现功能：拟合回归；识别分类