人工神经网络具有自学习、自组织、自适应以及很强的非线性函数逼近能力,拥有强大容错功能，怎么理解？

Question

人工神经网络具有自学习、自组织、自适应以及很强的非线性函数逼近能力,拥有强大容错功能，怎么理解？

Answer 1

人工神经网络就像一个黑盒子，用于模拟任意函数。根据一定的训练样本（即所需模拟函数已知的输入和输出关系）神经网络可以改变其内部结构使其模型特性逼近训练样本。即所谓的自学习，自组织和自适应。并且，由于神经网络是采用整体逼近的方式，不会由于个别样本误差而影响整个模型特性，即所谓容错特性。
其实用仿生的例子更容易理解，就像一个婴儿，父母不断教他说话，他最终能学习理解父母语言的意思，并且偶尔父母说错一两个字，孩子也能听懂。

Answer 2

自适应、自学习能力：人工神经网络可以通过训练和学习获得网络的权值和结构，呈现出很强的自学习能力和对环境的适应能力。（就是可以根据环境要求，自动调节网络结构、节点权值、步长等）

自组织能力：通过自动寻找样本中的内在规律和本质属性，自组织、自适应地改变网络参数和结构。

容错性：人工神经网络通过自身的网络结构能够实现对信息的记忆，而所记忆的信息是存储在神经元
之间的权值中。从单个权值中看不出所存储的信息内容，因而是分布式的存储方式，这使网络具有良好的容错性。