人工神经网络（英语是 Artificial Neural Network，缩写为 ANNs）简称神经网络（英语是 Neural Network，缩写为 NNs）或类神经网络，在机器学习和认知科学领域，是一种模仿生物神经网络（动物的中枢神经系统，特别是大脑）的结构和功能的数学模型或计算模型。神经网络由大量的人工神经元联结进行计算。它使用类似于人脑的分层结构中的互连节点或神经元。它可以创建自适应系统，计算机使用该系统来从错误中进行学习并不断改进。因此，人工神经网络可以尝试解决复杂的问题，例如更准确地总结文档或人脸识别。
神经网络可以在有限的人类协助下，帮助计算机制定明智的决策。因为它们可以学习非线性和复杂的输入数据与输出数据之间的关系，并为其建模。
神经网络无需显式训练即可理解非结构化数据以及进行一般性观察。例如，它们可以广泛地识别 Baxter Road 是地名，而 Baxter Smith 是人名。也可以识别具有相似含义的两种不同输入语句：
神经网络会知道这两个句子的含义相同。
神经网络的类型可以按照数据从输入节点到输出节点的流动方式行分类。以下是一些示例：
前馈神经网络用从输入节点到输出节点的单向方式处理数据，一层中的每个节点均与下一层中的每个节点连接。前馈网络使用反馈流程随着时间推移改进预测。
人工神经网络使用校正反馈循环不断学习，以改进其预测分析。简而言之，可以认为数据通过神经网络中的很多不同路径从输入节点流动到输出节点。但只有一条路径是可以将输入节点映射到正确的输出节点。为了找到这条路径，神经网络将使用反馈循环，其工作原理如下：
卷积神经网络中的隐藏层执行特定的数学函数（如汇总或筛选），称为卷积。它们对于图像分类非常有用，因为它们可以从图像中提取对图像识别和分类有用的相关特征。这种新形式更易于处理，而不会丢失对做出良好预测至关重要的特征。每个隐藏层提取和处理不同的图像特征，如边缘、颜色和深度。
【2】https://aws.amazon.com/cn/what-is/neural-network/?nc1=h_ls