我们正在努力恢复Google Play商店上的Unionpedia应用程序
🌟我们简化了设计以优化导航！
Instagram Facebook X LinkedIn

人工神经网络和链式法则

快捷方式: 差异，相似，杰卡德相似系数，参考。

人工神经网络和链式法则之间的区别

人工神经网络 vs. 链式法则

人工神经网络（Artificial Neural Network，ANN），简称神经网络（Neural Network，NN）或類神經網絡，在机器学习和认知科学领域，是一种模仿生物神经网络（动物的中樞神經系統，特别是大脑）的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统，通俗的講就是具備學習功能。现代神经网络是一种非线性统计性数据建模工具。典型的神经网络具有以下三个部分：. 链式法则或鏈鎖定則（英语：chain rule），是求复合函数导数的一个法则。设f 和g 为两个关于x 可导函数，则复合函数 (f \circ g)(x)的导数 (f \circ g)'(x)为：.

之间人工神经网络和链式法则相似

人工神经网络和链式法则有（在联盟百科）0共同点。

上面的列表回答下列问题

人工神经网络和链式法则之间的比较

人工神经网络有50个关系，而链式法则有6个。由于它们的共同之处0，杰卡德指数为0.00% = 0 / (50 + 6)。

参考

本文介绍人工神经网络和链式法则之间的关系。要访问该信息提取每篇文章，请访问：