人工神经网络（ANN）是计算系统的一部分，旨在模拟人脑分析和处理信息的方式。 它们是人工智能（AI）的基础，解决了人类或统计标准无法证明或难以解决的问题。 人工神经网络具有自学习功能，使它们可以在可获得更多数据时产生更好的结果。
分解人工神经网络（ANN）
人工神经网络（ANN）正在为开发可改变生活的应用铺平道路，这些应用将被开发用于经济的所有领域。 基于ANN的人工智能（AI）平台正在颠覆传统的做事方式。 从将网页翻译成其他语言到在线购买虚拟助手杂货，再到与聊天机器人进行交流以解决问题，人工智能平台正在简化交易，并使所有人都能以可忽略的成本获得服务。
系统如何运作？
人工神经网络就像人的大脑一样建立，神经元节点像网络一样相互连接。 人脑有数千亿个称为神经元的细胞。 每个神经元由一个细胞体组成，该细胞体负责通过将信息传递到大脑（输入）和远离大脑（输出）来处理信息。 人工神经网络具有成千上万个称为处理单元的人工神经元，它们通过节点相互连接。 这些处理单元由输入和输出单元组成。 输入单元基于内部加权系统接收各种形式和结构的信息，并且神经网络尝试了解所呈现的信息以生成一个输出报告。 就像人类需要规则和准则来得出结果或输出一样，人工神经网络也使用称为反向传播（backpropagation）的一组学习规则，反向传播是错误向后传播的缩写，以完善其输出结果。
人工神经网络最初会经历训练阶段，在该阶段中，它将学会识别数据的模式，无论是视觉上，听觉上还是文本上。 在这个监督阶段，网络将其实际产生的输出与预期产生的输出（即期望的输出）进行比较。 两种结果之间的差异可通过反向传播进行调整。 这意味着网络会从输出单元向输入单元反向运行，以调整其在单元之间的连接权重，直到实际结果与期望结果之间的差异产生最小的可能误差为止。
在培训和监督阶段，使用带有二进制数的“是/否”问题类型，告诉ANN寻找什么和输出什么。 例如，一家想及时发现信用卡欺诈的银行可能有四个输入单元，这些输入单元会提出以下问题：（1）交易是否在与用户居住国不同的国家/地区进行？ （2）该卡的网站是否已在银行监视列表中的公司或国家/地区附属公司使用？ （3）交易金额是否大于$ 2, 000？ （4）交易账单上的姓名与持卡人的姓名相同吗？ 银行希望“欺诈检测”响应为是是是否，二进制格式为1 1 10。如果网络的实际输出为1 0 1 0，则它将调整其结果，直到输出的结果与1 1 10。经过培训，计算机系统可以将即将发生的欺诈交易提醒银行，从而为银行节省了很多钱。
实际应用
人工神经网络已应用于所有操作领域。 电子邮件服务提供商使用ANN来检测和删除用户收件箱中的垃圾邮件； 资产经理使用它来预测公司股票的走势； 信用评级公司使用它来改进其信用评分方法； 电子商务平台使用它来个性化向其受众的推荐； 聊天机器人由ANN开发，用于自然语言处理； 深度学习算法使用ANN预测事件的可能性； 而ANN成立的清单遍及多个部门，行业和国家。
