核能科学与发电技术学报

人工神经网络学习算法与技术分析研究

杰维塔·马鲁塔查拉姆 (Jeevitha Maruthachalam) *

人工神经网络被广泛用于支持人类的决策能力，避免实践中的不一致和由于缺乏经验而导致的错误。在本文中，我们探讨了人工神经网络中的各种学习规则，如感知器学习、误差校正、赫布和竞争学习规则。学习规则是指导网络中连接权重变化的算法。

他们采用了一种误差减少程序，利用期望输出和实际输出之间的差异来改变训练期间的权重。学习规则通常在大量时期内重复应用于同一组训练输入，随着权重的微调，误差会逐渐减少。本文还重点介绍了一种称为多层感知器 (MLP) 的神经网络技术及其应用和优缺点。