人工神经网络的应用, 神经网络是机器学习算法吗

神经网络算法的人工神经网络

人工神经网络（Artificial Neural Networks, ANN）系统随后在其20世纪40年代后期出现

它是由大量可调节的神经元网络通过可变的连接权值构成，并且能够实现高效的并行处理能力、支持高效的分布式信息存储机制以及具备良好的自组织自学习特性。

BP（BackPropagation）算法被称为误差反向传播算法，在人工神经网络中的监督学习是一种学习机制。

BP神经网络算法在理论上具备强大的理论逼近能力，在其基本结构中由非线性变化单元构成核心组成部分，并能展现出多维空间之间的复杂映射关系。

而且网络的中间层结构、各层的计算单元数量以及调节参数等均可以根据实际需求进行配置，在多个领域如优化技术、信号处理与模式识别、智能控制以及故障诊断等方面展现出极高的应用潜力。

研究的人工神经元源自于对脑神经元学说的研究。在生物、生理学领域内，在19世纪末期,Waldeger等人系统性地构建了神经元学说。科学家们认识到复杂的人类神经系统是由大量精密协调的神经元共同构成。

大脑皮层由超过100亿个神经元构成，在每立方毫米的空间内大约聚集着数万个这样的