所谓人工智能，便是让机器具备人的思维和意识。
人工智能紧张有三个学派——行为主义、符号主义和连接主义。

行为主义是基于掌握论，是在构建感知动作的掌握系统。
理解行为主义有个很好的例子，便是让机器人单脚站立，通过感知要跌倒的方向掌握两只手的动作，保持身体的平衡，这就构建了一个感知动作掌握系统。

符号主义是基于算数逻辑和表达式。
求解问题时，先把问题描述为表达式，再求解表达式。
如果你在求解某个问题时，可以用if case这样的条件语句，和多少打算公式描述出来，这就利用了符号主义的方法，比如“专家系统”。
符号主义可以认为是用公式描述的人工智能，它让打算机具备了理性思维。
但是人类不仅具备理性思维，还具备无法用公式描述的感性思维。
比如，如果你看过这篇推送，下回再见到“符号主义”几个字，你会以为眼熟，会想到这是人工智能干系的知识，这是人的直觉，是感性的。

连接主义便是在仿照人的这种感性思维，是在仿造人脑内的神经元连接关系。
这张图给出了人脑中的一根神经元，左侧是神经元的输入，“轴突”部分是神经元的输出。
人脑便是由860亿个这样的神经元首尾相接组成的网络。

神经网络可以让打算机具备感性思维。
我们首先理解一下基于连接主义的神经网络设计过程。
这张图给出了人类从出生到24个月神经网络的变革：

随着我们的发展，大量的数据通过视觉、听觉涌入大脑，使我们的神经网络连接，也便是这些神经元连线上的权重发生了变革，有些线上的权重增强了，有些线上的权重减弱了。

我们要用打算机仿出这些神经网络连接关系，让打算机具备感性思维。

首先须要准备数据，数据量越大越好，以构成特色和标签对。
如果想识别猫，就要有大量猫的图片和这张图片是猫的标签构成特色标签对，然后搭建神经网络的网络构造，再通过反向传播优化连接的权重，直到模型的识别准确率达到哀求，得到最优的连线权重，把这个模型保存起来。
末了用保存的模型输入从未见过的新数据，它会通过前向传播输出概率值，概率值最大的一个便是分类和预测的结果。

我们举个例子来感想熏染一下神经网络的设计过程。
鸢尾花可以分为三类：狗尾鸢尾、杂色鸢尾和佛吉尼亚鸢尾。
我们拿出一张图，须要让打算机判断这是哪类鸢尾花。
人们通过履历总结出了规律：通过丈量花的花萼长、花萼宽、花瓣长、花瓣宽分辨出鸢尾花的种别，比如花萼长>花萼宽，并且花瓣长/花瓣宽>2，则可以剖断为这是第一种，杂色鸢尾。
看到这里，大概有些读者已经想到用if、case这样的条件语句来实现鸢尾花的分类。
没错，条件语句根据这些信息可以判断鸢尾花分类，这是一个非常范例的专家系统，这个过程是理性打算。
只要有了这些数据，就可以通过条件剖断公式打算出是哪类鸢尾花。
但是我们创造鸢尾花的栽种者在识别鸢尾花的时候并不须要这么理性的打算，由于他们见识了太多的鸢尾花，一看就知道是哪种，而且随着履历的增加，识别的准确率会提高。
这便是直觉，是感性思维，也是我们这篇文章想要和大家分享的神经网络方法。

这种神经网络设计过程首先须要采集大量的花萼长、花萼宽、花瓣长、花瓣宽，和它们所对应的是哪种鸢尾花。
花萼长、花萼宽、花瓣长、花瓣宽叫做输入特色，它们对应的分类叫做标签。
大量的输入特色和标签对构建出数据集，再把这个数据集喂入搭建好的神经网络构造，网络通过反向传播优化参数，得到模型。
当有新的、从未见过的输入特色，送着迷经网络时，神经网络会输出识别的结果。

展望21世纪初，在近十年神经网络理论研究趋向的背景下，神经网络理论的紧张前沿领域包括：

一、对智能和机器关系问题的认识进一步增长。

研究人类智力一贯是科学发展中最故意义，也是空前困难的寻衅性问题。
人脑是我们所知道的唯一智能系统，具有感知识别、学习、遐想、影象、推理等智能。
我们通过不断探索人类智能的实质以及联结机制，并用人工系统复现或部分复现，制造各种智能机器，这样可使人类有更多的韶光和机会从事更为繁芜、更富创造性的事情。

神经网络是由大量处理单元组成的非线性、自适应、自组织系统，是在当代神经科学研究成果的根本上提出的，试图仿照神经网络加工、影象信息的办法，设计一种新的机器，使之具有人脑风格的信息处理能力。
智能理论所面对的课题来自“环境——问题——目的”，有极大的诱惑力与压力，它的发展方向将是把基于连接主义的神经网络理论、基于符号主义的人工智能专家系统理论和基于进化论的人工生命这三大研究领域，在共同追求的总目标下，自发而有机地结合起来。

二、神经打算和进化打算的重大发展。

打算和算法是人类自古以来十分重视的研究领域，本世纪30年代，符号逻辑方面的研究非常生动。
近年来，神经打算和进化打算领域很生动，有新的发展动向，在从系统层次向细胞层次转化里，正在建立数学理论根本。
随着人们不断探索新的打算和算法，将推动打算理论向打算智能化方向发展，在21世纪人类将全面进入信息社会，对信息的获取、处理和传输问题，对网络路由优化问题，对数据安全和保密问题等等将有新的哀求，这些将成为社会运行的紧张任务。
因此，神经打算和进化打算与高速信息网络理论联系将更加密切，并在打算机网络领域中发挥巨大的浸染，例如大范围打算机网络的自组织功能实现就要进行进化打算。

人类的思维办法正在转变，从线性思维转到非线性思维神经元，神经网络都有非线性、非局域性、非定常性、非凸性和混沌等特性。
我们在打算智能的层次上研究非线性动力系统、混沌神经网络以及对神经网络的数理研究，进一步研究自适应性子波、非线性神经场的愉快模式、神经集团的宏不雅观力学等。
由于，非线性问题的研究是神经网络理论发展的一个最大动力，也是它面临的最大寻衅。

以上便是有关神经网络的干系内容，希望能为读者带来帮助。