更改
→使用
使用ANN需要理解它们的特征。
使用ANN需要理解它们的特征。
* 模型的选择: 这取决于数据的表示和应用。过复杂的模型减慢学习。
* 模型的选择: 这取决于数据的表示和应用。过复杂的模型减慢学习。
* 学习算法: 学习算法之间存在多种交易。在特定数据集上训练时，只要有正确的【超参数】，几乎任何算法都会有效。但是，在不可见的数据上训练时，选择和调整算法需要许多试验。
* 学习算法: 学习算法之间存在多种交易。在特定数据集上训练时，只要有正确的[https://en.wikipedia.org/wiki/Hyperparameter 超参数]，几乎任何算法都会有效。但是，在不可见的数据上训练时，选择和调整算法需要许多试验。
* 鲁棒性: 如果适当地选择了模型，损失函数和学习算法，产生的ANN会是鲁棒的。
* 鲁棒性: 如果适当地选择了模型，损失函数和学习算法，产生的ANN会是鲁棒的。
在以下宽泛的类别中，ANN的能力下降：
在以下宽泛的类别中，ANN的能力下降：
* 【函数逼近】或【回归分析】，包括【时间序列预测】，【适当逼近】和建模
* [https://en.wikipedia.org/wiki/Function_approximation 函数逼近]或[https://en.wikipedia.org/wiki/Regression_analysis 回归分析]，包括[https://en.wikipedia.org/wiki/Time_series#Prediction_and_forecasting 时间序列预测]，[https://en.wikipedia.org/wiki/Fitness_approximation 适当逼近]和建模
* 【分类】，包括【模式】和序列识别，【异常检测】和序列决策。
* [https://en.wikipedia.org/wiki/Statistical_classification 分类]，包括[https://en.wikipedia.org/wiki/Pattern_recognition 模式]和序列识别，[https://en.wikipedia.org/wiki/Novelty_detection 异常检测]和序列决策。
*【数据处理】, 包括滤波，聚类，【盲源分离】和压缩i
*[https://en.wikipedia.org/wiki/Data_processing 数据处理], 包括滤波，聚类，[https://en.wikipedia.org/wiki/Blind_source_separation 盲源分离]和压缩i
* 【机器人】,包括指导操纵器和【假体】
* [https://en.wikipedia.org/wiki/Robotics 机器人],包括指导操纵器和[https://en.wikipedia.org/wiki/Prosthesis 假体]
* 【控制】，包括【计算机数控】
* [https://en.wikipedia.org/wiki/Control_engineering 控制]，包括[https://en.wikipedia.org/wiki/Computer_numerical_control 计算机数控]
==应用==
==应用==