主题：【讨论】中国首枚智能芯片问世 -- 红茶冰

我就从理论方面来解释ANNs的工作原理吧。

首先从网上下载一个人工神经网络的原理图。

最基本的结果是输入层，中间隐藏层，和最后的输出层。输入层对应多个输入因子，同时输出层对应多个输出因子。然后是对ANNs进行训练：给予大量已知的输入输出数值，中间的隐藏层就可以拟合出输入输出对应关系的模型。有了这个模型， 我们就可以算出对应新的输入的输出值。

举个例子吧：如果输入输出各对应一个因子，用x和y表示，那么我们就直接可以用regression方法去拟合一个xy的对应公式，最常用的是最小二乘法。如果这个xy关系是高度非线性，我们要用分段拟合和分步回归的数学方法去拟合。

好了，这是单输入单输出的情况，如果是多输入多输出的情况，用纯数学的方法就会及其困难。现在有了ANNs，它的每个中间隐藏层会有n个神经元，每个神经元粗略的可以用数学的指数函数来表示，我们可以认为每个隐藏层就是一个优化系统，你可以可用最小二乘法的理论去想象它的工作原理。这有可能是简单的加减逻辑运算吗！

现实的运用中，ANNs是多隐藏层，这样可以拟合出更好的模型。每个隐藏层的神经元的数量的多少也极大的影响模型的精度，这就是所谓参数调整：隐藏层的数量和每个隐藏层的神经元的数量。但现在更多的结合Fuzzy set 和Rough set去提高ANNs的精度和速度。同时可以用Monte Carlo 等等方法去辅佐优化，就像阿发狗一样。

够了吧！喔重要的一点是：在通用芯片上运行ANNs是费时费力的，所以智能芯片是个很好的发展方向。