資料結構
網路
關係型資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝設計
法律研究人工神經網路的優缺點是什麼？
人工神經網路是一個位於生物神經網路服務上的系統。它是生物神經系統的模擬。人工神經網路的特點是具有多種架構，因此需要多種演算法方法，但儘管是一個複雜的系統，神經網路卻幾乎很簡單。
這些網路是主管工具箱中獨特的訊號處理技術之一。該領域是高度跨學科的，但此方法將限制對工程視角的關注。
在工程領域，神經網路執行兩種重要的功能：模式分類器和非線性自適應濾波器。人工神經網路是一個靈活的、通常是非線性的系統，它能夠從資料中學習實現一個函式（輸入/輸出對映）。自適應定義了系統引數在操作期間會發生變化，通常稱為訓練階段。
在訓練階段之後，人工神經網路的引數是恆定的，並且系統被設定為解決手頭的任務（測試階段）。人工神經網路是透過一個系統的逐步階段開發的，以提高效能測試或遵循一些隱含的內部約束，這通常被稱為學習規則。
輸入/輸出訓練資料是神經網路技術的基礎，因為它們傳輸重要資料以“發現”最佳工作點。神經網路處理元素 (PE) 的非線性特性使系統具有多種適應性，以獲得幾乎任何所需的輸入/輸出對映，即一些人工神經網路是廣泛的製圖師。
將輸入顯示給神經網路，並在輸出端設定等效的期望或目標響應（在這種情況下，訓練稱為監督）。從獲得的響應和系統輸出之間的差異中收集錯誤。此錯誤資料被反饋回系統並系統地調節系統引數（學習規則）。重複此階段，直到效能足夠。從這個定義可以清楚地看出，效能在很大程度上取決於資料。
人工神經網路的優點
神經網路的優點如下：
神經網路可以執行線性程式無法執行的任務。
當神經網路的一部分發生故障時，它可以透過其並行特性繼續執行而不會出現任何問題。
神經網路學習並不需要重新程式設計。
它可以在任何應用程式中執行。
人工神經網路的缺點
神經網路的缺點如下：
神經網路需要訓練才能執行。
神經網路的結構與微處理器的結構不同，因此需要進行模擬。
對於大型神經網路，它需要較高的處理時間。
17K+ 瀏覽量
