Network,ANN)
圖 3. 1、類神經網路
類神經網路(Artificial Neural Network,ANN)是人工智慧的一種，其結合醫 學、數學、資訊工程與電子工程領域研究之相關應用。類神經網路系統是利用大 量的人工神經元組合模擬大腦神經系報的運作方式，由一些高度連結的處理單元
（稱為節點或神經元）組成一動態的運算系統，建構成網路架構來模擬人類神經 之功能。類神經網路會透過訓練資料的訓練來修正網路的參數，使整個網路模式 符合訓練資料的特性，並將經驗（修正的參數值）儲存在網路中。藉由不斷地自 我調整，使得輸入的資訊透過神經元的運算後得到預設的輸出結果。
類神經網路是由許多人工神經元所組成，而其處理單元及為人工神經元，大
17
逢甲大學學生報告 e-Paper( 2014 年)
多數的演算工作均在此完成，以適當之方式連接網路中各處理單元，形成不同的 網路模式。處理單元的主要功能是將輸入資料向量經過集合、轉換等過程，產生 一輸出向量成為下個處理單元的輸入值或最終的輸入值。圖 3.2 為主要處理單元 之示意圖：
Xn：輸入變數的數值
Wij：所有 i 的變數對應到隱藏層 j 的權重值 Yj：則為輸出結果變數
圖 3. 2、神經元之主要功能
類神經網路人工神經元是生物神經元的模擬，其將外部的輸入值，經由加總 及轉換函數的作用而輸出其結果，透過大量的人工神經元作用，可用來解決不確 定性的問題或輸入及輸出間存在複雜的非線性關係問題。類神經網路的主要單 元、架構與運作方法說明如下所述。
類神經網路的網路架構是由許多處理單位元所連接而成，其內部結構一般主 要可分為三層，分別為輸入、輸出及隱藏三層，其網路架構如圖 3.3 所示，其中 Xn 為 n 個輸入變數，Yn 為輸出結果變數：
18
逢甲大學學生報告 e-Paper( 2014 年)
圖 3. 3、類神經網路之三層式架構圖
近年來，類神經網路已成功地應用在許多科學領域中，包括資料探勘中的分 類法。類神經網路不僅預測的準確度高，其分類法對於某些含有錯誤的資料，也 具有部分容錯的功能。運用類神經網路進行分類時並不太需要用到專業領域的知 識，這意味著不論是應用在信用等級的分類、或是區分是否購買筆記型電腦等方 面，以類神經網路的觀點來看都是一樣的，因為對其而言只是在不同的數值上做 運算而已，並不需要針對各種專業領域做區分。這也使得類神經網路的探勘結果 不太容易與各種領域的專業知識相結合，同時類神經網路所建立的分類模型也不 太容易用來解釋分類原因。對於類神經網路進行分類的訓練，其輸入向量（或輸 出值）則代表該訓練樣本中所屬的類別。藉由類神經網路的訓練，可調整網路內 部節點連結的權重質，使得每一筆訓練樣本的輸入屬性，經由類神經網路的計 算，均可得到該訓練樣本所屬的類別。
類神經網路的訓練最重要是求得一組權重值，使得輸入向量經過運之後可以 得到輸出向量（或輸出值）。權重值的調整與類神經網路內部的運算函數有關，
此部分的變化相當多。
19
逢甲大學學生報告 e-Paper( 2014 年)