神经网络泛指生物神经网络与人工神经网络这两个方面：
生物神经网络：是指中枢神经系统（脑和脊髓）及周围错综复杂的神经系统。
人工神经网络：是指模拟人脑神经系统的结构和功能，运用大量的处理部件，由人工方式建立起来的网络系统。
（一）人工神经网络的特征：
1、人工神经网络是由大量的处理单元，经广泛互连而组成的人工网络，用来模拟脑神经系统的结构和功能，这些处理单元称作“人工神经元”。
2、人工神经网络中，各神经元不同的连接方式，构成了网络不同的连接模型。连接模型有前向网络，从输入层到输出层有反馈的网络、层内有互联的网络和网络内任意两个神经元，都可以互联的互联网络。
3、人工神经网络的主要特征：
（1）能较好地模拟人的形象思维；
（2）具有大规模并行协同处理能力；
（3）具有较强的学习能力；
（4）具有较强的容错能力和联想能力；
（5）是一个大规模自组织、自适应的非线性动力系统。
（二）遗传算法的概念与原理
1、遗传算法概念：由美国密执根大学霍勒德教授1975年提出，是一种受进化论思想启发而得出的一种全局优化搜索算法。由于遗传算法的本质是一种不依赖具体问题的直接搜索方法，因此，近年来在模式识别、神经网络、图像处理、机器学习、工业优化控制、自适应控制、生物科学、社会科学等领域都得到了广泛应用。并且有科学家认为，遗传算法将是未来十年对计算技术有重大影响的关键技术之一。
2、传算法元素：遗传算法的基本思想源于达尔文的进化论和门德尔的尔学说，在遗传算法中：
（1）串：以二进制数码表示的数字串，是个体的表示形式， 对应于遗传学中染色体。
（2）群体：个体的集合称为群体。群体的元素是个体，其表现形式为串。
群体大小：在群体中个体的数量称为群体的大小。
（3）基因：基因中是串中的元素，基因用于表示个体的特征。 例如：有一个串S=1011，则其中的1，0，1，1，这四个元素分别称为“基因”。
3、遗传算法原理：遗传算法GA，把问题的“解”表示成“染色体”，也即是以二进制编码的“串”。并且在执行遗传算法之前，给出一群“染色体”（串），也即是假设的“解”。然后把这些假设置于问题 的“环境”中，并按适者生存的法则，从中选择出较适应环境的“染色体”进行复制，再通过交换、突变等遗传操作过程，产生理适应环境的新一代“染色体”群。这样，一代一代地进化，最后就会收敛到最适应环境的一个“染色体”上，它就是问题的“最优解”。
学习重点：1、人工神经网络的特征
2、遗传算法的概念与原理
学习要求：学习结束，可通过手机或微信索取电子《试卷》，电子答卷考试通过后方可获得证书。
联系方式：手机18911526017(同微信)
电话：400-6988862
