1樓：brightfuture由
神經網路（artificial neural networks，簡寫為anns）也簡稱為神經網路（nns）或稱作連線模型（connection model），它是一種模仿動物神經網路行為特徵，進行分散式並行資訊處理的演算法數學模型。這種網路依靠系統的複雜程度，通過調整內部大量節點之間相互連線的關係，從而達到處理資訊的目的。
神經網路可以用於模式識別、訊號處理、知識工程、專家系統、優化組合、機器人控制等。隨著神經網路理論本身以及相關理論、相關技術的不斷髮展，神經網路的應用定將更加深入。
神經網路的研究可以分為理論研究和應用研究兩大方面。
理論研究可分為以下兩類：
1、利用神經生理與認知科學研究人類思維以及智慧機理。
2、利用神經基礎理論的研究成果，用數理方法探索功能更加完善、效能更加優越的神經網路模型，深入研究網路演算法和效能，如：穩定性、收斂性、容錯性、魯棒性等；開發新的網路數理理論，如：神經網路動力學、非線性神經場等。
應用研究可分為以下兩類：
1、神經網路的軟體模擬和硬體實現的研究。
2、神經網路在各個領域中應用的研究。
2樓：匿名使用者
解決z=x^2+y^2是用不著神經網路，那只是一個簡單的例子讓你練手的。神經網路要解決的是在找不到變數之間規律的情況下，或者說不需要找到規律的情況下，求出理想值。
3樓：摩羯的樂趣
神經網路利用現有的資料找出輸入與輸出之間得權值關係（近似），然後利用這樣的權值關係進行**，例如輸入一組資料**出輸出結果，當然你的輸入要和訓練時採用的資料集在一個範疇之內。例如預報天氣：溫度 溼度 氣壓等作為輸入 天氣情況作為輸出利用歷史得輸入輸出關係訓練出神經網路，然後利用這樣的神經網路輸入今天的溫度 溼度 氣壓等 得出即將得天氣情況當然這樣的例子不夠精確，但是神經網路得典型應用了。
希望採納！
神經網路能幹什麼？
4樓：人工智慧研究院
人工智慧入門-機器學習與神經網路
5樓：融樂翠祖
解決z=x^2+y^2是用不著神經網路，那只是一個簡單的例子讓你練手的。神經網路要解決的是在找不到變數之間規律的情況下，或者說不需要找到規律的情況下，求出理想值。
6樓：拜小凝
神經網路就是一種計算方式 就是給他一些資料 然後經過自己的學習計算達到目標 主要優點就是能自學習
至於分類 估計就是小腦什麼網路 經典的 還有一些別的
對於你後邊的我就不懂咯
7樓：匿名使用者
神經網路利用現有的資料找出輸入與輸出之間得權值關係（近似），然後利用這樣的權值關係進行**，例如輸入一組資料**出輸出結果，當然你的輸入要和訓練時採用的資料集在一個範疇之內。
例如預報天氣：
溫度 溼度 氣壓等作為輸入 天氣情況作為輸出利用歷史得輸入輸出關係訓練出神經網路，然後利用這樣的神經網路輸入今天的溫度 溼度 氣壓等 得出即將得天氣情況
當然這樣的例子不夠精確，但是神經網路得典型應用了。
什麼是「小波神經網路」？能幹什麼用呀
神經網路做函式逼近，會做了，但是函式逼近到底有什麼用處呢？
8樓：匿名使用者
針對你前兩個問題:
在系統建模、辨識和**中，對於線性系統，在頻域，傳遞函式矩陣可以很好地表達系統的黑箱式輸入輸出模型；在時域，box-jenkins方法、迴歸分析方法、arma模型等，通過各種引數估計方法也可以給出描述。對於非線性時間序列**系統，雙線性模型、門限自迴歸模型、arch模型都需要在對資料的內在規律知道不多的情況下對序列間關係進行假定。
可以說傳統的非線性系統**，在理論研究和實際應用方面，都存在極大的困難。相比之下，神經網路可以在不瞭解輸入或輸出變數間關係的前提下完成非線性建模。神經元、神經網路都有非線性、非局域性、非定常性、非凸性和混沌等特性，與各種**方法有機結合具有很好的發展前景，也給**系統帶來了新的方向與突破。
建模演算法和**系統的穩定性、動態性等研究成為當今熱點問題。目前在系統建模與**中，應用最多的是靜態的多層前向神經網路，這主要是因為這種網路具有通過學習逼近任意非線性對映的能力。利用靜態的多層前向神經網路建立系統的輸入/輸出模型，本質上就是基於網路逼近能力，通過學習獲知系統差分方程中的非線性函式。
但在實際應用中，需要建模和**的多為非線性動態系統，利用靜態的多層前向神經網路必須事先給定模型的階次，即預先確定系統的模型。
針對你第三個問題:
**是利用數理統計的原理作出假設，給出**區間，準不準也只是從統計的角度來講，也就是說準確度實際上是相對的，**區間越不精確可信度就越大，**區間越精確可信度就越小，也就是說你想要精確一點的話，就要犧牲一點可信度
9樓：匿名使用者
函式逼近:用一個簡單容易計算的函式近似代替某個函式稱為函式逼近,容易計算的函式通常在代數多項式(僅含加減乘運算)或三角多項式中選取,函式逼近有個誤差估計問題,或逼近優劣問題,設f(x)定義在區間[a,b],稱為被逼近的函式,近似代替f(x)的g(x)稱為逼近函式,為了達到最佳逼近,在某類函式中選取g(x),使得f(x)-g(x)在某種意義下最小,或在某種意義下整體誤差最小,比如使f(x)-g(x)在[a,b]區間的最大值最小,這稱為車比雪夫逼近或一致逼近,或使f(x)-g(x)的平方在[a,b]區間的積分最小,這稱為平方逼近.函式逼近在函式的近似計算,在數值積分,微分方程的數值解法均有廣泛的應用.
神經網路中的啟用函式是用來幹什麼的？ 30
10樓：
不同的啟用函式是用來實現不同的資訊處理能力，神經元的變換函式反映了神經元輸出與其啟用狀態之間的關係。
神經網路權值怎麼確定，BP神經網路中初始權值和閾值的設定
致愛麗絲星空之夜 神經網路的權值是通過對網路的訓練得到的。如果使用matlab的話不要自己設定，newff之後會自動賦值。也可以手動 net.iw net.bias 一般來說輸入歸一化，那麼w和b取0 1的隨機數就行。神經網路的權值確定的目的是為了讓神經網路在訓練過程中學習到有用的資訊，這意味著引數...
什麼是神經網路計算機
具有模仿人的大腦判斷能力和適應能力 可並行處理多種資料功能的神經網路計算機，可以判斷物件的性質與狀態，並能採取相應的行動，而且可同時並行處理實時變化的大量資料，並引出結論。神經電腦除有許多處理器外，還有類似神經的節點，每個節點與許多點相連。若把每一步運算分配給每臺微處理器，它們同時運算，其資訊處理速...
MATLAB神經網路BP，誤差超大，怎樣除錯是誤差更接近目標值？主要除錯哪些引數？謝謝
被推薦的答案倒是沒說錯，基本上和沒說一樣 就好比問怎麼安排時間，回答一個 合理安排時間 誤差大，第一步需要嘗試的是做歸一化處理。有線性歸一化，有對數函式歸一化等等，這個你可以去網上搜尋資料歸一化方法，有相關的 應該。第二部需要做出的改動是隱層節點數量，如果節點數量太多，那麼結果的隨機性就會很大，如果...