1.它從資訊處理角度對人腦神經元網路進行抽象， 建立某種簡單模型，按不同的連線方式組成不同的網路。
2.神經網路是一種運算模型，由大量的節點（或稱神經元）之間相互聯接構成。
3.每個節點代表一種特定的輸出函式，稱為激勵函式（activation function）。每兩個節點間的連線都代表乙個對於通過該連線訊號的加權值，稱之為權重，這相當於人工神經網路的記憶。
4.網路的輸出則依網路的連線方式，權重值和激勵函式的不同而不同。
單個神經元的作用：把乙個n維向量空間用乙個超平面分割成兩部分（稱之為判斷邊界），給定乙個輸入向量，神經元可以判斷出這個向量位於超平面的哪一邊。
方程：wp+b=0
w權向量
b偏置p超平面上的向量
四個基本特徵：
非線性： 非線性關係是自然界的普遍特性
非侷限性： 乙個神經網路通常有多個神經元廣泛連線（聯想記憶）
非常定性： 人工神經網路具有自適應、自組織、自學習能力
非凸性： 乙個系統的演化方向，在一定條件下將取決於某個特定的狀態函式
神經元處理單元：
特徵、字母、概念、有意的抽象模式
網路中處理單元：
輸入單元
外界世界訊號與資料
隱單元實現系統處理結果的輸出
輸出單元
存在輸入單元和輸出單元之間，不能由系統外部觀察
1.人工神經網路可以有效地進行蛋白質結構**，從數學的角度出發，由蛋白質的氨基酸線性序列到蛋白質所有原子三維座標的對映構成了蛋白質結構**問題。
2.有監督的誤差反向傳播演算法(bp)演算法。
3.蛋白質序列是由各種氨基酸字串行所構成，輸入氨基酸殘基片段，表現為一串語言字元，二級結構即為對應的輸出。
此神經網路模型中，隱含層的神經元是完成從氨基酸序列到蛋白質二級結構對映的關鍵，這種對映是非線性對映。
隱含層神經元個數一般從兩個變化到幾十個，神經網路對訓練例項的記憶能力和神經網路的推廣能力與其神經元個數有關，神經元個數越多，對訓練例項的記憶能力越強，但是神經網路的推廣能力越弱，**新蛋白質二級結構的精度越差。
如何選擇適當的隱含層神經元？
1.經驗公式求解
2.fangfagorman指出隱層結點數s與模式數n的關係是：s＝log2n；
3.kolmogorov定理表明，隱層結點數s＝2n＋1（n為輸入層結點數）；
4.s＝sqrt（0.43mn＋0.12nn＋2.54m＋0.77n＋0.35）＋0.51 （m是輸入層的個數，n是輸出層的個數）。
5.嘗試法：try-error-try
6.構造法：從小規模的網路開始學習，根據網路效能，逐步增加網路結構規模或複雜度
人工神經網路 多層神經網路
模型原型 sklearn.neural network.mlpclassifier hidden layer sizes 100,activation relu algorithm adam alpha 0.0001,batch size auto learning rate constant le...
人工神經網路
人工神經網路 artificial neural network,ann 通過對大量歷史資料的計算來建立分類和 模型。神經網路的學習就是通過迭代演算法對權值逐步修改優化的過程。學習的目標是通過修改權值是訓練樣本集中所有樣本都能被正確分類。人工神經元用於模擬生物神經元，人工神經元可以看作乙個多輸入 單...
人工神經網路
import numpy as np import matplotlib.pyplot as plt import pandas as pd import seaborn as sns from sklearn.model selection import train test splitann建模...