1.5　神经网络算法

人工神经网络（Artificial Neural Network，ANN）简称为神经网络或称为连接模型。1943年形式神经元的数学模型的提出，开创了神经科学理论研究的时代［10］。1982年J.J.Hopfield提出了具有联想记忆功能的Hopfield神经网络，引入了能量函数的原理，给出了网络的稳定性判据。这一成果标志着神经网络的研究取得了突破性的进展。

神经网络是一种模仿生物神经系统的新型信息处理模型，具有独特的结构，其显著的特点如下：具有非线性映射能力；不需要精确的数学模型；擅长从输入输出数据中学习有用知识；容易实现并行计算；由大量的简单计算单元组成，易于用软硬件实现；等等。所以，人们期望它能够解决一些用传统方法难以解决甚至无法解决的问题。迄今为止，已经出现了许多神经网络模型及相应的学习算法，其中BP网络的误差反向后传（Back Propagation，BP）学习算法是一种最常用的神经网络算法。