人工神经网络的特点及应用简介

人工神经网络是由大量节点相互连接构成的具有信息响应的网状拓扑结构，可用于模拟人脑神经元的活动过程，它反映了人脑功能的基本特性，包括诸如信息加工、处理和储存等过程。人工神经网络的特点具体如下。

（一）非线性

人工神经网络可以很好地处理非线性问题，是因为其内部的组成单元——神经元可以处于激活或抑制两种不同的状态，这种行为在数学上理解就是具有非线性。同时，人工神经网络是大量神经元的集体行为，并不是单个神经元行为的简单的相加，所以会表现出复杂非线性动态系统的特性。在实际问题处理中，输入与输出之间会存在复杂的非线性关系，通过设计神经网络对系统输入输出样本进行训练学习，可以任意精度地去拟合逼近复杂的非线性函数，解决环境信息十分复杂、知识背景不清楚和推理规则不明确的一些问题。(www.xing528.com)

（二）容错性和联想能力

在生物系统中信息不是存储在某个位置，而是按内容而分布在整个网络上的。神经网络某个神经元不是只存储一个外部信息，而是存储多种信息的部分内容。因为神经网络具有这种分布储存形式，所以如果网络中部分的神经元遭到损坏，那么并不会对整体造成较大的影响。再者，将处理的数据信息储存在神经元之间的权重中，这就类似于大脑对信息的储存是在突触之间的活动当中。这种分布式存储算法是将运算与存储合为一体的，当信息不完整的时候，就可通过联想记忆对其进行恢复，所以说人工神经网络具有强大的容错性和联想记忆能力，可以在不完整的信息和干扰中进行特征提取并复原成完整的信息。