数据结构
网络
关系型数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装设计
法律研究人工神经网络的优缺点是什么？
人工神经网络是一个位于生物神经网络服务上的系统。它是生物神经系统的模拟。人工神经网络的特点是具有多种架构，因此需要多种算法方法，但尽管是一个复杂的系统，神经网络却几乎很简单。
这些网络是主管工具箱中独特的信号处理技术之一。该领域是高度跨学科的，但此方法将限制对工程视角的关注。
在工程领域，神经网络执行两种重要的功能：模式分类器和非线性自适应滤波器。人工神经网络是一个灵活的、通常是非线性的系统，它能够从数据中学习实现一个函数（输入/输出映射）。自适应定义了系统参数在操作期间会发生变化，通常称为训练阶段。
在训练阶段之后，人工神经网络的参数是恒定的，并且系统被设置为解决手头的任务（测试阶段）。人工神经网络是通过一个系统的逐步阶段开发的，以提高性能测试或遵循一些隐含的内部约束，这通常被称为学习规则。
输入/输出训练数据是神经网络技术的基础，因为它们传输重要数据以“发现”最佳工作点。神经网络处理元素 (PE) 的非线性特性使系统具有多种适应性，以获得几乎任何所需的输入/输出映射，即一些人工神经网络是广泛的制图师。
将输入显示给神经网络，并在输出端设置等效的期望或目标响应（在这种情况下，训练称为监督）。从获得的响应和系统输出之间的差异中收集错误。此错误数据被反馈回系统并系统地调节系统参数（学习规则）。重复此阶段，直到性能足够。从这个定义可以清楚地看出，性能在很大程度上取决于数据。
人工神经网络的优点
神经网络的优点如下：
神经网络可以执行线性程序无法执行的任务。
当神经网络的一部分发生故障时，它可以通过其并行特性继续运行而不会出现任何问题。
神经网络学习并不需要重新编程。
它可以在任何应用程序中执行。
人工神经网络的缺点
神经网络的缺点如下：
神经网络需要训练才能运行。
神经网络的结构与微处理器的结构不同，因此需要进行仿真。
对于大型神经网络，它需要较高的处理时间。
17K+ 浏览量
