人工神經工程學

人工神經網路是一種套用類似於大腦神經突觸聯接的結構進行信息處理的數學模型。 神經網路是一種運算模型，由大量的節點（或稱“神經元”，或“單元”）和之間相互聯接構成。 人工神經網路通常是通過一個基於數學統計學類型的學習方法(Learn

基於人造方法模擬生物神經系統工程的綜合理論。
人工神經網路是一種套用類似於大腦神經突觸聯接的結構進行信息處理的數學模型。在工程與學術界也常直接簡稱為“神經網路”或類神經網路。神經網路是一種運算模型，由大量的節點（或稱“神經元”，或“單元”）和之間相互聯接構成。每個節點代表一種特定的輸出函式，稱為激勵函式（activationfunction）。每兩個節點間的連線都代表一個對於通過該連線信號的加權值，稱之為權重（weight），這相當於人工神經網路的記憶。網路的輸出則依網路的連線方式，權重值和激勵函式的不同而不通。而網路自身通常都是對自然界某種算法或者函式的逼近，也可能是對一種邏輯策略的表達。
它的構築理念是受到生物(人或其他動物)神經網路功能的運作啟發而產生的。人工神經網路通常是通過一個基於數學統計學類型的學習方法(LearningMethod)得以最佳化,所以人工神經網路也是數學統計學方法的一種實際套用,通過統計學的標準數學方法我們能夠得到大量的可以用函式來表達的局部結構空間,另一方面在人工智慧學的人工感知領域,我們通過數學統計學的套用可以來做人工感知方面的決定問題(也就是說通過統計學的方法,人工神經網路能夠類似人一樣具有簡單的決定能力和簡單的判斷能力),這種方法比起正式的邏輯學推理演算更具有優勢。