神经元网络

神经元网络(network of neuron)一种复杂网络系统。

1943年，美国心理学家麦卡洛克(McCul-loch, W. S.)和数学家皮特斯(Pitts , W.)提出的利用神经元网络对信息进行处理的数学模型，以及1949年希博(Hebb)提出的神经元之间连结强度变化的学习规则，即希博规则，开创了神经元网络的新局面。

神经元网络，是由大量类似于神经元的处理单元相互连结，而形成的非线性复杂网络系统。

它是在现代神经科学研究成果的基础上提出的，试图通过模拟大脑神经元网络处理、记忆信息的方式，完成人脑那样的信息处理功能，是非线性的并行结构。

神经元网络的运行方式，有前馈式网络和反馈式网络。

前馈式网络，采用分层网络结构形式，实现从输入层结点的状态空间，到输出层状态空间的非线性映射，它广泛采用于模式分类、特征抽取等方面。

反馈式网络，采用相互连结型网络结构形式，所在结点既可以输入，又是计算单元，同时向外输出，它用于优化计算和联想记忆。

值得注意的是，人工神经元网络，和真正的人脑工作方式还是有着较大的区别。

关于人脑的运作原理，学界仍存在着很大的盲点。

所以，人工神经元网络，只是简单地通过多台计算机组成阵列，来模拟每一个神经元节点，通过数学函数的计算，来分配每一台计算机的权重，以达到并行计算的效果，从而大大增强计算机系统的处理能力。