第二个分类器人工神经网络的学习（Articial Neural Networks） image.png

如果支持向量机是以VAPNIK为代表的一两个人做出来的，那么这个是很多人做出来的方法，但是近年来受到很多关注，这是因为，以人工神经网络为理论基础的的深度学习算法（Deep learning）在所有主流的机器学习领域取得突破性进展，获得了，比深度学习之前的传统算法高的多的性能，
其基本思想仿生学，仿生人脑运作的神经元，现在模拟的神经元越来越多，所以系统的性能越来越好，现在流行的深度学习算法，只是一个小的人工神经网络而已，人工神经网络的本源是人工智能的仿生学派，

人工智能的两种学派： image.png
image.png
另一种学派： image.png
不可能，不必须

人工智能的研究智能立足于目前计算机的现有属性和体系结构，用数学和逻辑推理的方法，从现有的属性中获得知识，这是人工智能的数理学派，比如我们之前学过的支持向量机是数理学派的代表，即将学到的人工神经网络是仿生学派的代表，这两种学派存在矛盾，主导了人工神经网络这一具体领域的起落涨跌，

人工神经网络的历史

基于神经的生理结构，建立了单个神经元的数学模型

将这个模型叫做MP模型

MP模型输入输出的对应关系为
image.png
神经元的数学模型提出以后并没有引起学术界的重视，其原因在于，模型太简单，与实际相差较大，到目前为止没有生物学实验支持这个模型，因为生物学的神经元运作机制比这个模型复杂的多，现在老师的理解是 image.png
这个模型在机器学习中非常有用 image.png
随着时间，更多的科学家提出了更复杂的神经元模型，并以此为基础，开发了其他的人工神经网络算法，例如 image.png 、基于神经网络的反馈机制，构建的 image.png

但是这些更复杂的算法在应用领域远不如MP模型，这是老师的观点，目前为止我们无法知道神经元的具体运作机制，期待更多的科学家提出其机制，为人工智能神经网络提供更新鲜的算法！为人工智能领域注入新鲜血液！