大家好，今天小编关注到一个比较有意思的话题，就是关于神经网络的结构的问题，于是小编就整理了2个相关介绍神经网络的结构的解答，让我们一起看看吧。
如何简单形象又有趣地讲解神经网络是什么？
人工神经网络简称神经网络或类神经网络，在机器学习和认知科学领域，是一种模仿生物神经网络的机构（尤其是动物的大脑），通过数学模型或计算模型对函数进行估计或近似。
举个例子：
当我们要买芒果的时候，并不知道什么样的芒果才好吃，那么只有将所有的芒果都尝一遍之后，才会总结出个头大、颜色深、***的芒果比较好吃。
机器的学习也是一样的，让机器“尝”一遍所有的“芒果”，让机器去总结一套规律（比如：个头大、颜色深、***）这就是机器学习。操作如下：人描述给机器每个“芒果”的特征（比如：颜色、大小，软、硬等等），让机器尝试一下“芒果”是否好吃、味道如何并将结果输出，慢慢的机器就会总结出一套识别“芒果”好不好吃的规则。
生物的神经元细胞的结构很简单，中间一只球形的细胞体，一头有许多细小而密集的神经纤维分支（树突）用来接收其他神经元传递过来的信号；另一头是一根长长的凸起纤维（轴突）用来将自己的信号传给其他的神经元。轴突的末端会分出许多树杈，连接其他神经元的树突或轴突。
大脑思考时，各个树突会接收到其他神经元细胞发出的电化学***脉冲，当这些脉冲叠加到一定程度时，神经元就会产生动作电位，动作电位沿着轴突的一个郎飞结跳到下一个郎飞结。
这种电信号并不会随着距离衰减，因为每跳一次，郎飞结的电压门控通道就会打开一次，细胞膜内外带正电荷的钠钾离子通过钠钾泵交换后，膜电位就会发生变化，这样就可以完成下一跳。
在人工神经网络中，简单的人工节点称为神经元，连接在一起形成一个类似生物神经网络的网状结构。
模型化后，每个节点对应多个输入，同时会产生多个输出，每个输入对应有不同的权重，通过大量数据训练这个模型后，模型就会形成一定的固定路线，也就如我们的电脑掌握了某项技能。
人工神经网络相当于求一道数学题，在大量输入项的情况下求所有连接上的权重值，使得对于输入进过各层节点的权重运算后能近似接近我们需要的期望值。
程序就是一系列算法的***，输入一堆数据，得到一个结果，实际上就是一个有很多参数的方程，众多变量参数计算出一个结果，如果输入与输出之间有明确的逻辑和数学模型，这个方程很容易实现，但是如果变量参数与结果之间的逻辑联系非常非常复杂，或者根本没法找到输入与输出之间的函数关系，那就通过神经网络的结构自适应拟合出输入输出之间的函数关系。因此，神经网络的实质就是一个复杂函数拟合器，通过大量的输入与已知的输出，通过自适应的方式，拟合出它们之间最佳匹配函数。
人脑神经网络的结构，是由DNA决定的吗？触点的递质囊泡是由后天信息决定吗？
人脑神经网络的结构当然是在个体胚胎发育时受遗传物质DNA分子所携带的生长发育信息的指导下发生形成的。但不同的神经递质如乙酰胆碱或多巴胺等却是同分同构同功能，所不同的只是前者兴奋，后者抑制，仅此而已。他们只传递神经冲动，激活被激活神经细胞的活性，没有特异的信息，意识，概念，思维功能作用，囊泡所含递质没有携带任何精神信息的功能，所以囊泡内递质不会决定任何后天信息。而这些有着特异含义的信息我认为是由诸多不同功能，不同性质，功能各异的神经细胞本身通过神经递质的激活而发挥极其复杂繁琐的生理活性反应，通过先天和后天相结合，从而整合出各种有着不同含义的生命学信息。
到此，以上就是小编对于神经网络的结构的问题就介绍到这了，希望介绍关于神经网络的结构的2点解答对大家有用。
