神經網路模型

神經網路是模擬神經系統運轉方式的簡化模型。 其基本單元是神經元，通常將其組織到層中，如下面的圖所示。

神經網路是模擬人類大腦處理資訊方式的簡化模型。 此模型的工作方式為模擬大量類似於神經元的抽象形式的互連處理單元。

這些處理單元都位於層中。 神經網路通常包含三個部分：一個輸入層，其中的單元代表輸入欄位；一個或多個隱藏層；一個輸出層，帶有一個或多個代表目標欄位的單元。 這些單元通過可變的連線強度（或加權）連線。 輸入資料顯示在第一層，其值從每個神經元傳播到下一層的每個神經元。 最終從輸出層中輸出結果。

該網路可通過以下過程進行學習，即檢查個別記錄，然後為每筆記錄產生預測，並且當產生的預測不正確時，對加權進行調整。 在符合一個或多個停止準則之前，此過程會不斷重複，而網路會持續提高其預測準確度。

最初，所有的加權都是隨機生成的，並且從網路輸出的結果很可能沒有意義。 網路可通過訓練來學習。 向該網路重複應用已知道結果的範例，並將網路給出的結果與已知的結果進行比較。 從此比較中得出的資訊會傳送回網路，並逐漸改變加權。 隨著訓練的進行，該網路對已知結果的抄寫會變得越來越準確。 一旦訓練完畢，就可以將網路套用到結果不明的未來案例中。