人工神经网络简而言之
根据Wikipedia的说法，人工神经网络的基础是称为人工神经元的连接单元或节点的集合，这些单元或节点可对生物脑中的神经元进行松散建模。每个连接都像生物大脑中的突触一样，可以将信号传输到其他神经元。接收信号的人工神经元随后对其进行处理，并可以向与之相连的神经元发出信号。
在ANN实现中，连接处的“信号”是实数，并且每个神经元的输出通过其输入之和的某些非线性函数来计算。这些连接称为边。神经元和边缘通常具有随着学习的进行而调整的权重。权重增加或减小连接处信号的强度。神经元可以具有阈值，使得仅当总信号超过该阈值时才发送信号。通常，神经元聚集成层。不同的层可以对它们的输入执行不同的变换。信号可能从第一层（输入层）传播到最后一层（输出层），可能是在多次遍历这些层之后。
两条有趣的文章更详细地描述了ANN：
人工神经网络解释
本文说明了两个主要的人工神经网络：
感知器
多层人工神经网络
它还讨论了几个激活功能：
乙状结肠
Tan-h（替代逻辑乙状结肠）
软最大
ReLU
泄漏的ReLU
给定一个输入或一组输入，节点的激活功能定义该节点的输出。最后，本文讨论了反向传播和正向传播的概念。您可以在此处访问此文章。
以下文章（在此）描述了相同的概念，还讨论了梯度下降算法，这是几种基于梯度的优化技术之一，在本例中用于训练目的。
人工神经网络及其应用概述

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！