硬核战双52文案

神经网络算法是根据逻辑规则进行推理的过程。逻辑性的思维是指根据逻辑规则进行推理的过程;它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理;这一过程可以写成串行的指令，让计算机执行。然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生的想法或解决问题的办法。

这种思维方式的根本之点在于以下两点: 1.信息是通过神经元上的兴奋模式分布存储在网络上; 2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。

思维学普遍认为，人类大脑的思维分为抽象(逻辑)思维、形象(直观)思维和灵感(顿悟)思维三种基本方式。

人工神经网络就是模拟人思维的第二种方式。这是（指人工神经网络）一个非线性动力学系统。其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限， 但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。

神经网络算法的三大类分别是:1.前馈神经网络:这是实际应用中最常见的神经网络类型。第一层是输入层最后网层是输出。如果有多谷隐藏层，我们称之为“深度”神经网络。他们计算出一系列改变样本相似性的变换。各层神经元的活动是前层活动的非线性函数。

2、循环网络:循环网络在他们的连接图中定向了循环;,这意味着你可以按照箭头回到你开始的地方。他们可以有复杂的动态，使其很难训练。他们更具有生物真实性.循环网络的目的是用来处理序列数据。

在传统的神经网络模型中,是从输入层到隐含层再到输出层，层与层之间是全连接的，每层之间的节点是无连接的。但是这种普通的神经网络对于很多问题却无能和无力

具体的表现形式为网络会对前面的信息进行记忆并应用于当前输出的计算中，即隐藏层之间的节点不再无连接而是有连接的，并且隐藏层的输入不仅包括输入层的输出还包括上时刻隐藏层的输出。

3.对称连接网络:对称连接网络有点像循环网络,但是单元之间的连接是对称的(它们在两个方向上权重相同)。比起循环网络，对称连接网络更容易分析。这个网络中有更多的限制，因为它们遵守能量函数定律。没有隐藏单元的对称连接网络被称为“Hopfield网络” 。有隐藏单元的对称连接的网络被称为玻尔兹曼机。