神经网络

由大量人工神经元分层连接、靠调整连接权重从数据中学习的模型。

神经网络是一类机器学习模型，由许多简单的计算单元（人工神经元）连接而成：每个单元把输入加权求和，再经过一个非线性函数（激活函数）传给下一层。连接的强弱叫权重，也就是模型的参数。训练时先用损失函数衡量输出和正确答案的差距，再用反向传播算出每个权重该往哪个方向改，反复迭代让误差变小。输入层和输出层之间的隐藏层不少于两层时，一般称为深度神经网络。2012 年 AlexNet 在 ImageNet 图像识别比赛中大幅领先传统方法，带动了深度学习的兴起。如今具身智能里的视觉编码器、Transformer、VLA 和强化学习策略，本质上都是神经网络。

例子足式机器人常用的强化学习行走策略往往就是一个几层的多层感知机：输入关节角度、IMU 读数和速度指令，输出每个关节的目标角度。

也叫

人工神经网络、深度神经网络、ANN、DNN

相关

多层感知机、卷积神经网络、Transformer、反向传播、参数量、损失函数

来源

Neural network (machine learning) (Wikipedia)