原创 神经网络到底是什么？它有什么用？

神经网络到底是什么？神经网络用大白话翻译一下就是，当人们从物质上去模拟人脑时，神经网络就诞生了。就目前来说，神经网络已经在很多领域都开始了应用。那么它有什么用呢?本问主要对神经网络的基本概念和作用做一个全面简要的介绍。

神经网络到底是什么？

神经网络类似人类大脑，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。由一个个神经元组成，每个神经元和多个其他神元连接，形成网状。单个神经元只会解决最简单的问题，但是组合成一个分层的整体，就可以解决复杂问题。

传统的机器学习方法只利用了一层芯片网络，在遇到真正复杂的问题时，处理效率就会变得十分低下。深度学习的最核心理念是通过增加神经网络的层数来提升效率，将复杂的输入数据逐层抽象和简化。也就是说，将复杂的问题分段解决，每一层神经网络就解决每一层的问题，这一层的结果交给下一层进行进一步处理。

有一层神经网络，就可以找到简单的模式；有多层神经网络，就可以找出模式中的模式，如果描述得更数学一点，当下流行的深度神经网络可分为应对具有空间性分布数据的CNN（卷积神经网络）和应对具有时间性分布数据的RNN(递归神经网络，又称为循环神经网络)。

CNN往往用于图像识别，正如上文描述的，网络的第一层被训练成可以完成这平一个“小目标”——识别图像中局部的独立模块，如一个方块、一个三角形，或者一个眼睛。这一层，人类输入大量图片数据的，只为让该层神经可以辨别基本的局部图形“边缘”，即是一个像素旁边没有任何东西。

RNN则往往用于语音识别和自然语言处理，因为语音和语言是一种按照时间分布的数据，下一句的意义和上一句有关。RNNm网络可能记住历史信息。
深度神经网络大大优化了机器学习的速度，使人工智能技术获得了突破性进展，在此基础上，图像识别、语音识别、机器翻译都取得了长足进步。

神经网络有什么用？

经典人工神经网络本质上是解决两大类问题：分类（Classification）和回归（Regression）。当然现在还有图像分割、数据生成等问题，但经典机器学习中已经讨论过，把图像分割归为分类问题，把数据生成归为回归问题。分类是给不同的数据划定分界，如人脸识别，输入x 是人脸照片，输出y 是人的ID 号，这个值是一个整数。回归问题要解决的是数据拟合，如人脸年龄预测，输入x 同样是人脸照片但输出y 是人的年龄，这个值是一个连续浮点数。

神经网络能像人脑那样进行判断和预测。它不需要输入程序，可以直观地作出答案，也就是说它“看”到什么就能自行作出反应。它能同时接收几种信号并进行处理，而不像目前已有的计算机那样一次只能输入一个信号。

近些年来神经网络在众多领域得到了广泛的运用。在民用应用领域的应用，如语言识别、图像识别与理解、计算机视觉、智能机器人故障检测、实时语言翻译、企业管理、市场分析、决策优化、物资调运、自适应控制、专家系统、智能接口、神经生理学、心理学和认知科学研究等等；在军用应用领域的应用，如雷达、声纳的多目标识别与跟踪，战场管理和决策支持系统，军用机器人控制各种情况、信息的快速录取、分类与查询，导弹的智能引导，保密通信，航天器的姿态控制等。

读完整篇文章，相信大家对“神经网络到底是什么”，已经有了一个大致的了解。而它究竟有什么用呢？除了上文讲的那样，神经网络的发展会走向何处呢？我们唯一可以肯定的是，作为国家最重视的科研活动之一，它未来很有前途不可限量。