人工神经网络：特点一览

人工神经网络作为一种数学算法体系，已经解决了许多实际问题，其特点主要表现在以下几个方面。

（1）大规模的并行计算与分布式存储能力。传统计算机的计算和存储是相互独立的，而在ANN中，无论是单个神经元还是整个神经网络都兼有信息的处理和存储的双重功能，这两种功能自然融合在同一网络中。ANN计算过程的并行性决定了其对信息的高速处理能力。

（2）非线性映射能力。ANN各神经元的映射特征是非线性的，有些网络的单元间采用复杂的非线性连接。因此，ANN是一个大规模的非线性动力系统，具有很强的非线性处理能力。

（3）较强的鲁棒性和容错性。由于信息的分布存储和集体协作计算，每个信息处理单元既包含对集体的贡献又无法决定网络的整体状态，因此，局部神经网络的故障并不影响整体神经网络输出的正确性。(www.xing528.com)

（4）自适应、自组织、自学习的能力。神经网络最突出的特点是具有自适应、自组织、自学习的能力，它可以处理各种变化的信息，而且在处理信息的同时，非线性动力系统本身也在不断变化。可以通过对信息的有监督和无监督学习，实现对任意复杂函数的映射，从而适应环境的变化。

（5）非局域性。一个神经网络通常由多个神经元广泛连接而成。一个系统的整体行为不仅取决于单个神经元的特征，而且可能由神经元之间的相互作用、相互连接所决定，通过神经元之间的连接模拟大脑的非局域性。联想记忆是非局域性的典型例子。

（6）非凸性。一个系统的演化方向，在一定条件下将取决于某个特定的状态函数，例如能量函数，它的极值对应系统某个比较稳定的状态。非凸性是指某系统的能量函数有多个极值，因此系统具有多个较稳定的平衡状态，这将导致系统演化结果的多样性。