人工神经网络（ANN）的构成及其核心架构

1、简述人工神经网络的结构形式

神经网络存在多种划分方式，例如依据网络性能可划分为连续型与离散型网络，以及确定型与随机型网络；按照网络拓扑结构则可分为前向神经网络与反馈神经网络。本章主要介绍前向神经网络、反馈神经网络以及自组织特征映射神经网络。
前向神经网络是数据挖掘领域中广泛应用的一种结构，其原理或算法构成众多神经网络模型的基础。径向基函数神经网络即属于此类前向型神经网络之一。
Hopfield神经网络作为反馈型网络的典型代表，其原型是一种非线性动力学系统，目前已在联想记忆和优化计算方面实现了成功应用。
模拟退火算法最初是为了应对优化计算中出现的局部极小值问题而提出的。Boltzmann机是一种具备随机输出单元的随机神经网络，串行形式的Boltzmann机可视为对二次组合优化问题进行模拟退火算法的具体实现方式，同时还能用于模拟外部的概率分布，在概率层面实现联想记忆功能。
自组织竞争型神经网络的核心特征在于能够识别环境中的特征并完成自动聚类任务。该类型神经网络已在特征提取及大规模数据处理等场景中取得显著成效。

谷歌人工智能写作项目：小发猫

![](ht