人工神经网络与权重传递,

人工神经网络（Artificial Neural Network，ANN）是20世纪80年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同的连接方式组成不同的网络，在工程与学术界也常将其直接简称为“神经网络”或“类神经网络”。

神经网络可以看作一种运算模型，由大量的节点相互连接构成，节点又称为神经元（neuron）。每个节点都代表一种特定的输出函数，称为激励函数（activation function）或激活函数。每两个节点间的连接都代表一个通过该连接信号的加权值，称为权重，这相当于人工神经网络的记忆。网络的输出则根据网络的连接方式、权重值和激励函数的不同而不同。网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。

传统的人工智能通常采用大量“如果-就”（If-Then）规则定义的自上而下的控制思路，而人工神经网络试图从信息处理的角度对人脑神经系统进行抽象，模仿大脑的神经元之间传递、处理信息的模式，按不同的连接方式组成不同的网络，并建立自我学习、自我反应、自我控制模型。由于它极大地借鉴了人脑的工作机理，高度模仿了人脑的工作过程，并在诸多领域取得了成功应用，因此在人工智能领域它被形象地称为人工神经网络。(www.zuozong.com)

最近十多年来，人工神经网络的研究工作不断深入，已经取得了很大的进展，其在模式识别、智能机器人、自动控制、预测估计、生物、医学、经济等领域已成功地解决了许多现代计算机难以解决的实际问题，表现出了良好的智能特性。