【摘要】：FNN简称神经网络，是一种模仿生物神经网络的结构和功能的数学模型或计算模型。大多数情况下FNN能在外界信息的基础上改变内部结构，是一种自适应系统。4）训练：同人脑一样，FNN将根据自己的结构特性，使用不同的训练、学习过程，自动从实践中获得相关知识。每个结点代表一种特定的输出函数，称为激励函数。每两个结点间的连接代表通过该连接的信号加权值，称为权重，这相当于人工神经网络的记忆。
FNN简称神经网络，是一种模仿生物神经网络的结构和功能的数学模型或计算模型。FNN由大量的人工神经元连接在一起进行计算。大多数情况下FNN能在外界信息的基础上改变内部结构，是一种自适应系统。现代FNN是一种非线性统计性数据建模工具，常用来对输入和输出间复杂的关系进行建模，或用来探索数据的模式。
FNN从以下四个方面去模拟人的智能行为：
1）物理结构：神经元模拟生物神经元的功能。
2）计算模拟：人脑的神经元有局部计算和存储的功能，通过连接构成一个系统。FNN中也有大量有局部处理能力的神经元，能够将信息进行大规模并行处理。(www.xing528.com)
3）存储与操作：人脑和人工神经网络都是通过神经元的连接强度来实现记忆存储功能，同时为概括、类比、推广提供有力的支持。
4）训练：同人脑一样，FNN将根据自己的结构特性，使用不同的训练、学习过程，自动从实践中获得相关知识。
FNN是一种运算模型，由大量的结点（或称“神经元”或“单元”）之间相互连接构成。每个结点代表一种特定的输出函数，称为激励函数。每两个结点间的连接代表通过该连接的信号加权值，称为权重，这相当于人工神经网络的记忆。网络的输出则依据网络的连接方式、权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
