人工神经网络的主要特征有: 能较好地模拟人的形象思维、具有大规模并行协同处理能力、具有较强的学习能力、具有较强的容错能力和联想能力。
人工神经网络有哪些特征1
人工神经网络的基本特征有哪些?
由大量处理单元互联组成的非线性、自适应信息处理系统。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网络处理、记忆信息的方式进行信息处理。人工神经网络具有四个基本特征：
(1)非线性 非线性关系是自然界的普遍特性。大脑的智慧就是一种非线性现象。人工神经元处于激活或抑制二种不同的状态，这种行为在数学上表现为一种非线性关系。具有阈值的神经元构成的网络具有更好的'性能，可以提高容错性和存储容量。
(2)非局限性 一个神经网络通常由多个神经元广泛连接而成。一个系统的整体行为不仅取决于单个神经元的特征，而且可能主要由单元之间的相互作用、相互连接所决定。通过单元之间的大量连接模拟大脑的非局限性。联想记忆是非局限性的典型例子
(3)非常定性 人工神经网络具有自适应、自组织、自学习能力。神经网络不但处理的信息可以有各种变化，而且在处理信息的同时，非线性动力系统本身也在不断变化。经常采用迭代过程描写动力系统的演化过程。
(4)非凸性 一个系统的演化方向，在一定条件下将取决于某个特定的状态函数。例如能量函数，它的极值相应于系统比较稳定的状态。非凸性是指这种函数有多个极值，故系统具有多个较稳定的平衡态，这将导致系统演化的多样性。
人工神经网络有哪些特征2
什么是神经网络？
神经网络是对大脑神经过程的复制。
它是在计算机上构建的大脑模拟。
神经网络，无论是生物的还是人工的，都由大量的简单单元和神经元组成，它们相互接收和传输信号。
它由细胞体和连接神经元的导线组成。
用生物学语言来说 ：
为神经元提供输入的电线称为树突。
在某些情况下，神经元会向另一个神经元发送信号，这些向外发送信号的导线被称为轴突。
轴突可能与一个或多个树突相连，这种交叉点称为突触。
这个过程会随着我们的成长而不断调整，这种 "调整 "被称为记忆或学习。
什么是深度学习？
深度学习是一种机器学习技术，由相互连接的多层简单处理单元组成。
它的灵感来源于大脑处理视觉信息的方式。
为什么要开发人工神经网络？
开发人工神经网络（ANN）的原因之一是为了帮助神经科学（研究大脑和神经系统）。
人们相信，通过绘制人脑图谱，我们可以了解意识和智力背后的秘密。
我们已经能够识别异常功能，并帮助大脑避免异常功能。
例如--解决老年痴呆症、因受伤造成的损伤和发育障碍。
开发人工神经网络（ANN）的另一个原因是为了建立更好的人工智能和机器学习技术。
因为，大脑是一个极其复杂的信息处理系统。
人工神经网络的'特点 ：
ANN 由许多神经元组成，可以同时处理信息。这意味着，我们可以同时处理大量数据，从而提高了效率。
神经元可以同时存储（就像内存一样）和处理信息，因此从存储器中检索数据不会有任何延迟，因而速度很快。
是的，ANN 可以快速处理信息，但很难应用于 "传统计算机"（单机处理），因为它一次只能完成一项任务。这就是 GPU 的用武之地。
听说过 GPU 吗？
GPU 是图形处理单元（Graphical Processing Unit）的缩写，它可以进行并行处理，而不是像传统计算机那样进行单一处理。因此，神经网络可以快速完成工作或处理信息。
构建神经网络 ：
权重在神经网络中扮演着重要角色，它通过控制每个输入，让网络从这些数据中学习，从而做出准确的预测。
人工神经网络有哪些特征3
人工神经网络的特点和优越性，主要表现在三个方面：
第一，具有自学习功能。例如实现图像识别时，只在先把许多不同的图像样板和对应的应识别的结果输入人工神经网络，网络就 会通过自学习功能慢慢学会识别类似的图像。自学习功能对于预测有特别重要的意义。
预期未来的人工神经网络计算机将为人类提 供经济预测、市场预测、效益预测，其应用前途是很远大的`。
第二，具有联想存储功能。用人工神经网络的反馈网络就可以实现这种联想。
第三，具有高速寻找优化解的能力。寻找一个复杂问题的优化解，往往需要很大的计算量，利用一个针对某问题而设计的反馈型 人工神经网络，发挥计算机的高速运算能力，可能很快找到优化解。
人工神经网络（Artificial Neural Networks，ANNs），也简称为神经网络（NNs），是模拟生物神经网络进行信息处理的一种数学模型。它以对大脑的生理研究成果为基础，其目的在于模拟大脑的某些机理与机制，实现一些特定的功能。
目前，人工神经网络已应用于很多领域。本章主要对人工神经网络的基本理论做一个全面简要的介绍。
神经网络的特点
神经网络的基本属性反映了神经网络特点，主要表现在：
1．并行分布式处理 神经网络具有高度的并行结构和并行实现能力，具有高速寻找优化解的能力，能够发挥计算机的高速运算能力，可能很快找到优化解。
2．非线性处理 人脑的思维是非线性的，故神经网络模拟人的思维也应是非线性的。这一特性有助于处理非线性问题。
3．具有自学习功能 通过对过去的历史数据的学习，训练出一个具有归纳全部数据的特定的神经网络，自学习功能对于预测有特别重要的意义。
4．神经网络的硬件实现 要使人工神经网络更快、更有效地解决更大规模的问题
关键在于其超大规模集成电路（V LSI）硬件的实现，即把神经元和连接制作在一块芯片上（多为CMOS）构成ANN，神经网络的VLSI设计方法近年来发展很快，硬件实现已成为ANN的一个重要分支。
【人工神经网络有哪些特征】相关文章：
绵羊的特征有哪些04-04
棕熊的特征有哪些04-01
羊的特征有哪些03-29
猪的特征有哪些03-29
猴子的特征有哪些03-27
鹦鹉的特征有哪些06-22
甲鱼的特征有哪些05-31
有体香的人有哪些特征04-07
和谐的家庭有哪些特征04-14
女老板有哪些特征04-13