神经网络（专家解释）

人工神经网络是一种参数化的机器学习模型，用于逼近复杂函数关系。

它由多层相互连接的计算单元（神经元）组成，通常包括输入层、隐藏层和输出层。

每个神经元之间的连接都有权重。在训练过程中，这些权重会通过优化算法进行调整，以最小化误差函数。

神经网络是现代深度学习方法的基础，被广泛应用于计算机视觉、语音识别和自然语言处理等领域。

定义:
人工神经网络是一种由相互连接的人工神经元组成的计算模型，通过调整连接权重从数据中学习复杂关系。

来源:
Goodfellow, Bengio, Courville – Deep Learning, MIT Press；以及机器学习领域的标准文献。