什么是人工神经网络？

人工神经网络是由多层神经元（线性变换+非线性激活）组成的可微函数逼近器，通过前向计算预测、反向传播更新权重，从数据中自动学习输入到输出的映射。

一、人工神经网络（ANN）

是受生物神经元启发的数学模型：由大量人工神经元分层连接，每层执行 z = Wx + b 再经激活函数 σ，将输入映射为输出。

二、组成要素

• 权重 W：连接强度，可学习
• 偏置 b：平移决策边界
• 激活函数：引入非线性
• 层：输入层、隐藏层、输出层

三、学习方式

定义损失函数衡量预测误差，用 反向传播 计算 梯度，优化器 迭代更新参数——即数据驱动的表示学习。
ANN 是 深度学习 的基本单元；按结构有全连接（MLP）、CNN、RNN、Transformer 等变体。与生物神经网络的相似性主要在「分布式表示」直觉，实现完全是矩阵运算。

术语：神经网络。知识库：深度学习基础、反向传播原理。工具：PyTorch。