数据词典：人工神经网络（Artificial Neural Network）

赵老师

人工神经网络，经常简称为神经网络，就是以联结主义研究人工智能的方法，以对人脑和自然神经网络的生理研究成果为基础，抽象和模拟人脑的某些机理、机制，实现某方面的功能。Hecht Nielsen对人工神经网络的定义是“人工神经网络是由人工建立的以有向图为拓扑结构的动态系统，它通过对连续或断续的输入做状态响应而进行信息处理”。

人工神经网络是人工智能研究的主要途径之一，也是机器学习中的非常重要的一种学习方法。近年来，深度学习方法把人工神经网络又推到了一个新的高度。人工神经网络可以不依赖数字计算机模拟，用独立电路实现，极有可能产生一种新的智能系统体系结构。人工神经网络又很多其他方法无法替代的独特优点，比较适用于特征提取、模式分类、联想记忆、低层次感知、自适应控制等很难应用严格解析方法的场合。目前，人工神经网络研究主要集中在以下几个方面：

1．利用神经生理与认知科学研究人类思维以及智能机理。

2．研究深度学习与神经网络的数理理论，用数理方法探索功能更加完善、性能更加优化的神经网络模型；深入研究神经网络算法和性能优化，如可解释性、超参数优化、稳定性、收敛性、容错性、鲁棒性等。

3．对人工神经网络的软件模拟和硬件实现的研究。

4．人工神经网络和深度学习方法在各个领域中的应用研究。例如，模式识别、信号处理、自然语言处理、知识工程、优化组合、机器人控制等领域。

【出处】鲍军鹏,张选平.人工智能导论（第2版）,机械工业出版社,2021年1月.