人工神经网络手册：第1部分
我之前已经写了几篇关于人工神经网络的文章，但它们只是关于随机概念的随机文章。本系列文章将为您提供有关人工神经网络及其相关概念的详细概念。本系列的结尾将提到资源和对所有内容的引用，因此您可以深入研究所有概念。
因此，让我们从一个非常基本的问题开始，什么是AI，什么是人工神经网络？在本系列的第一篇文章中，我将尝试回答这些基本问题，然后我们将在后续文章中深入探讨。
什么是人工智能？
人工智能被描述为以某些有限的方式表现得像人一样的软件。“人造”一词来自拉丁语“ facere arte”，意为“做某事”，因此AI松散地转化为人造智慧。AI的定义方式很多。Winston [1984]提出了对AI的一种定义，即对使计算机变得智能的思想的研究。Rich和Knight [1991]将AI定义为对如何使计算机完成当前人们可以做得更好的事情的研究。
以下是一些更常见的AI定义和/或描述：
人工智能之所以聪明，是因为它可以学习。
人工智能将数据转化为知识；
人工智能是关于智能问题的解决。
人工智能体现了适应环境，应对不完整或不正确知识的能力。
尽管人工智能技术直到最近才被引入金融领域，但它们在其他领域的应用历史悠久。迄今为止，在各种非金融应用程序中的经验是混杂的。领先的AI研究人员，麻省理工学院AI实验室负责人帕特里克·温斯顿（Patrick Winston）承认，传统的AI方法（例如搜索方法，谓词演算，基于规则的专家系统，游戏方式等）进展甚微[Gallant 1994]。传统AI方法似乎无法解决的问题领域是人类发现容易完成的琐碎且常识性的任务，例如识别面部和物体，行走等。
因此，对于AI研究人员而言，自然而然地求助于自然界和物理定律及过程以寻求更好的解决方案。结果，自然科学和工程领域中开发的许多当代人工智能工具已成功地进入商业世界。这些包括信号处理/电气工程领域的小波变换和有限冲激响应滤波器（FIR），生物科学的遗传算法和人工神经网络，物理科学的混沌理论和模拟退火。这些革命性的技术属于AI领域，因为它们代表的想法似乎在解决商业问题的方法中模仿了智力。所有这些AI工具都有一个共同点，即它们试图通过应用自然法则和流程来解决诸如预测和解释金融市场数据之类的问题。Pal和Srimani [1996]指出，这些新颖的计算模式被统称为软计算，因为它们具有能够利用现实世界中的公差的不精确性和不确定性来实现可处理性，鲁棒性和低成本的独特特征。他们进一步指出，软计算通常用于找到精确（或不精确）提出的问题的近似解决方案。摩托罗拉的霍夫曼指出：“在摩托罗拉，我们称神经网络，模糊逻辑，遗传算法及其类似的自然计算” [1994]。Pal和Srimani [1996]指出，这些新颖的计算模式被统称为软计算，因为它们具有能够利用现实世界中的公差的不精确性和不确定性来实现可处理性，鲁棒性和低成本的独特特征。他们进一步指出，软计算通常用于找到精确（或不精确）提出的问题的近似解决方案。摩托罗拉的霍夫曼指出：“在摩托罗拉，我们称神经网络，模糊逻辑，遗传算法及其类似的自然计算” [1994]。Pal和Srimani [1996]指出，这些新颖的计算模式被统称为软计算，因为它们具有能够利用现实世界中的公差的不精确性和不确定性来实现可处理性，鲁棒性和低成本的独特特征。他们进一步指出，软计算通常用于找到精确（或不精确）提出的问题的近似解决方案。摩托罗拉的霍夫曼指出：“在摩托罗拉，我们称神经网络，模糊逻辑，遗传算法及其类似的自然计算” [1994]。他们进一步指出，软计算通常用于找到精确（或不精确）提出的问题的近似解决方案。摩托罗拉的霍夫曼指出：“在摩托罗拉，我们称神经网络，模糊逻辑，遗传算法及其类似的自然计算” [1994]。他们进一步指出，软计算通常用于找到精确（或不精确）提出的问题的近似解决方案。摩托罗拉的霍夫曼指出：“在摩托罗拉，我们称神经网络，模糊逻辑，遗传算法及其类似的自然计算” [1994]。
这些现代工具经常相互结合使用，并与更传统的AI方法（例如专家系统）结合使用，以获得更好的解决方案。这些结合了一种或多种AI方法（可能包括传统方法）的新系统被称为“混合系统”。混合系统的一个示例是Tan [1993]中描述的金融交易系统，该系统将人工神经网络与基于规则的专家系统相结合。Lawrence [1994]更喜欢使用计算机智能一词来描述专家系统和人工神经网络，因为她认为在定义此类系统所模拟的“智能”方面，它具有较小的误导性和争议性。
什么是人工神经网络？
人工神经网络（ANN）模型是受生物科学启发的，该科学研究了活体动物的神经解剖学如何解决问题。根据Nelson和Illingworth [1990]，人工神经网络也被称为：
并行分布式处理模型
连结主义者/连结主义模型
自适应系统
自组织系统
神经计算
神经形态系统
ANN由许多相互连接的处理器（称为神经元）组成，它们执行求和功能。信息存储在连接的权重中。我们将在后续文章中对神经网络的技术方面进行更详细的讨论。
人工神经网络模仿人脑的生物神经网络。生物神经网络是生物机体神经系统起作用的机制，可以本能地执行复杂的任务。该神经系统的中央处理单元被称为“神经元”。人脑大约有10至1000亿个神经元，每个神经元通过“突触”与许多其他神经元相连。人脑大约有100万亿个突触。这些联系控制着人体及其思维过程。简而言之，他们试图复制人脑的学习过程。
研究人员阐述了最早的人工神经网络理论，他们试图通过对人脑建模来解释人的行为和思维过程。迄今为止，ANN领域的许多著名研究人员都是具有心理学背景的研究人员。
人工神经网络的四个不同研究领域是：
使用人工神经网络对生物网络进行建模，以了解人脑及其功能。神经解剖学的心理学家和研究人员对该领域特别感兴趣。
使用人工神经网络作为一种教育工具，以了解如何解决传统AI方法和计算机算法难以解决的复杂任务。该领域的研究人员包括计算机科学家，工程师等，他们主要是通过研究ANN的问题解决过程来构建更好的计算机算法。
使用人工神经网络解决各种商业应用中的现实世界类型的问题。该领域的许多研究人员都具有与人工神经网络相关的领域以外的背景。使用人工神经网络的吸引力在于将其作为一种工具的简便性以及已报道的基于人工神经网络的商业应用的成功。有许多ANN软件包易于使用，足以让新用户开始使用，而无需他们深入了解ANN算法。这与传统的计算机技术不同，传统的计算机技术要求用户在编写应用程序之前先全面了解算法。对于ANN，用户只需知道如何以ANN可以理解的形式提出手头的问题即可。和
改进的人工神经网络算法。该领域的研究人员对构建更好的ANN算法感兴趣，这些算法可以更有效地“学习”或建模，即更快的训练时间和/或更准确的结果。
关于人工神经网络的研究工作正在全球范围内进行。Nelson和Illingworth [1991]指出，国防高级研究计划局（DARPA）战术技术办公室副主任Jasper Lupo称神经网络技术“比原子弹更重要” [Johnson and Schwartz 1988]。根据尼尔森（Nelson）和伊林沃思（Illingworth）的说法，美国国防部高级研究计划局（DARPA）最初为三年的神经网络计划拨款3.9亿美元，但是即使最初的资金在17个月内减少到3
日本主要的人工神经网络研究是由日本政府根据其名为“人类前沿”的第五代计算机程序赞助的。但是，日本公司已经在开发基于人工神经网络的产品。日本公司参与ANN技术的例子有：
夏普公司印刷的日语程序的光学字符读取[Shandle 1993]，
新日铁的铸造突破预测计划[Shandle 1993]，
日立的ANN硬件系统设计[Shandle 1993]，
理光的实验性神经计算机无需软件即可运行，并通过学习获得了所有计算能力[Dambrot 1992]，
富士通基于ANN的移动机器人控制器以及NEC Corporation的神经计算机[Nelson and Illingworth 1991]等。
欧洲的人工神经网络研究工作称为ESPIRIT II，是一个为期五年的项目，涉及八个国家和数百名工人年的努力[Mehta 1988]。ESPIRIT于1989年初宣布了一项新程序，称为“工业神经网络应用程序（ANNIE）” [Newquist III，1989]，对此进行了补充。Nelson and Illingworth [1991]阐述了有关单个欧洲国家的人工神经网络研究工作的以下内容：
德国有一个2.5亿美元的5年计划[Johnson 1989b]；
法国可能是最活跃的开发项目，仅在巴黎就有六个基于神经的微芯片项目[Johnson 1988]；
荷兰的研究已从独立研究转变为政府资助和协调的研究。和
英国有一个4.7亿美元的项目。
英国科学技术咨询委员会预测神经网络产品的市场规模在1997年将达到10亿美元，这导致英国贸易和工业部（DTI）宣布了一项技术转移计划，该计划将在未来三个年度投资570万英镑几年的时间来提高对6
结论：
这只是对AI和人工神经网络的简短介绍，并描述了它们如何在很大程度上影响世界。在下一篇文章中，我们将看到人工神经网络在各个行业中的一些应用。
1