人工神经网络(ArtificialNeuralNetworks, ANN),通常简称为神经网络,是上20世纪40 年代发展起来的智能仿生学科,其主要思想是通过对人脑或者生物神经进行分析研究,模拟神经细胞间信息传递的过程,然后利用现代的数学理论及信息处理技术构建成智能信息处理的简化模型。
神经网络能够得到快速发展和广泛应用的一个重要的原因是因为其具有很强的非线性的信息处理能力,以往的人工智能算法往往缺乏非结构化信息处理的能力和对动态问题的解决
能力。正是因为神经网络具有很强的非线性泛化能力,神经网络越来越多的被应用到模式识别、图像处理、故障诊断和智能预测等领域,并取得了令人满意的效果,给社会带来了巨大的经济效益。近些年来,随着计算机技术和网络信息技术的快速发展,神经网络与互联网络、大数据处理、云计算越来越紧密的联系在一起,而且与遗传算法、支持向量机、蚁群算法等智能算法的有机结合使其应用更加的智能化,成为了一门综合性的独立学科。在乳化机诊断方面的应用普及而越来越常见。
能够分析数据中的内在映射关系,并具有很好的对数据中噪声、数据畸变的抗干扰能力,是神经网络的主要优点之一。而且神经网络具备了其他人工智能缺乏的自我学习和向外界学习的能力,能够在继承原先领域知识的基础上,通过对外界信息的捕捉与分析,优化并完善网络。当然,神经网络的处理速度和处理动态数据的能力还不能够与真正的生物神经网络相提并论,但是伴随着近些年来计算机硬件系统的迅猛发展,神经网络处理及解决实际问题的能力愈来愈强。我们也应该看到神经网络虽然具有很强的信息处理性能和广泛的应用范围,但是并不能解决现阶段所有的问题,而且对于不同的实际问题,运用神经网络的策略也不尽相同。