神经网络原理与实例, 神经网络计算机组成

什么是神经网络计算机?

许多新型电子计算机不但具备高速运算能力，并且能够模仿人脑的部分认知功能；也就是这些设备具有某种程度的人工智能特性。然而，在经过严格评估后可以看出它们与真实的人脑认知水平之间仍存在显著差距，并且在本质上存在诸多不同之处。

主要表现在人脑展现出强大的自我学习与联想能力，并具备创造性的潜能，在更高层次上能够进行优化方案搜索的同时也具备理性和情感驱动的功能

神经网络型计算机主要通过人工神经网络模拟人类的大脑识别能力和学习能力、具备多种数据处理特性的计算设备。这种系统能够主动识别对象的属性与状态，并主动采取相应的应对措施。它能够同时进行多批次数据的动态更新，并最终得出合理的结论。

生物的神经网络是由树突和轴突构成的神经元集合。神经信号通过这些结构传播，有助于促使人进行思考与记忆。人工神经网络则是一种模仿生物神经系统而构建起来的运算体系，在成千上万个节点（亦称作神经元）之间形成了相互连接。

每个节点对应一种特定的输出函数（激励函数）。每两个节点之间的连接被赋予了一个根据该连接信号而定的加权值（权重系数）。这些加权值被称为权重系数（或称权重）。这些权重系数等价于人