中文版《理解人工神经网络-tinyxml指南》

图 11.6 预测结果 这时，我们这个实例的主人公就可以根据预测的结果进行分类，对不同类别的人群使用 不用的销售策略。 11.3 理解人工神经网络 人工神经网络（Artificial Neural Networks，ANNs），是模拟生物神经网络进行信息处理 的一种数学模型。它以对大脑的生理研究成果为基础，其目的在于模拟大脑的某些机理与机 制，实现一些特定的功能。 1943年，美国心理学家McCulloch和数学家Pitts联合提出了形式神经元的数学模型 MP 模型，证明了单个神经元能执行逻辑功能，开创了人工神经网络研究的时代。1957 年，计 算机科学家 Rosenblatt 用硬件完成了最早的神经网络模型，即感知器，并用来模拟生物的感 知和学习能力。1969 年 M.Minsky 等仔细分析了以感知器为代表的神经网络系统的功能及局 限后，出版了《（感知器）Perceptron》一书，指出感知器不能解决高阶谓词问题，人工神经 网络的研究进入一个低谷期。20 世纪 80 年代以后，超大规模集成电路、脑科学、生物学、 光学的迅速发展为人工神经网络的发展打下了基础，人工神经网络的发展进入兴盛期。 人工神经元是人工神经网络操作的基本信息处理单位。人工神经元的模型如图 11-所示， 它是人工神经网络的设计基础。一个人工神经元对输入信号  1 2, , T mX x x x  的输出 y为 ( )y f u b  ，其中 m 1 i i i u w x    ，公式中各字符的含义见图 11-7。