中学时期的发表 完整版!!
大家好，我是英勋国际中学的金主训。
人类拥有神经组织，而与之相对应，计算机中则有人工神经网络（ANN）技术。就像神经组织的基本单位是神经元一样，人工神经网络也有它的基本单位——感知器。
感知器由负责接收输入值的输入端、负责进行处理的运算部分，以及输出处理结果的输出端组成。这里，每个输入端都会分配一个权重。将各输入值与对应权重相乘后再全部相加，得到的结果称为加权和。如果这个加权和小于预先设定的阈值，输出为 0；如果大于阈值，则输出为 1。感知器就是通过这种方式对输入值进行判断。
不过，单个感知器只能判断两种输出结果。对于较复杂结构的人工神经网络，则会将多个感知器排列成多个层级，上一个层级的输出会成为下一层级的输入。其中，最开始接收输入值的层称为输入层，最后输出结果的层称为输出层。
下面我举一个例子来说明。
假设我们希望训练一个人工神经网络，使它能够判断一张图片中的物体是不是苹果。首先，我们需要准备训练数据。为了制作训练数据，需要收集许多苹果的图片，并把苹果的颜色、形状等特征转换成数值。在这个例子中，我们把苹果的颜色和形状这两个特征数值化，组成一组训练数据，再连同正确答案一起输入到输入端。相同类别的特征会输入到相同的输入端。例如，如果图片是苹果，正确输出值就是 1；如果不是苹果，正确输出值就是 0。人工神经网络的运行过程大致可以分为两个阶段：学习阶段和判断阶段。所谓学习阶段，就是输入训练数据，并不断调整各个权重，使网络输出的结果尽可能接近正确答案。这时，正确答案与输出结果之间的差值称为误差值。误差值会沿着从输出层到输入层的方向反向传播，并用于修正所有参与产生输出结果的权重。不断重复这个过程后，网络的判断就会越来越准确。当误差值接近于 0，或者权重已经不再发生变化时，就认为人工神经网络完成了学习，并进入判断阶段。另外，为了提高判断的准确率，最好使用特征明显、具有代表性的训练数据。
谢谢大家！

考古 / far1paltryna, 渣翻 / 🍯 http://t.cn/AXottF2t