人工智能化（Artificial Neural Network，全称ANN）是一类演示微生物数学数学方法的排序机系统数学方法，它由大批的突触（结点）以及它间的相连形成。突触的输出透过相连传达，并历经转化成函数的处置输出。ANN 透过体能训练修正相连的权重股，进而能自学和辨识模式、预估和重大决策。上面从基本概念、基本原理和应用应用领域四个方面详尽阐释 ANN：
一、基本概念：
人工智能化是一类机器自学演算法，能透过数学数学方法和排序结果，对数据展开可视化和预估。它受微生物数学数学方法的启迪，由大批的结点（突触）和它间的相连形成，每一结点拒绝接受源自其他结点的输出讯号，并依照一定的转化成表达式展开处置后输出。人工智能化能透过体能训练演算法修正神经元间的相连权重股，进而使互联网能自学到输出输出间的态射关系。
二、基本原理：
人工智能化的核心理念基本原理是演示人类文明突触间的相连和重要信息传达。每一突触都有数个输出和两个输出，每一输出和输出都有两个权重股，输出信号历经平均数请降之后，历经两个转化成表达式（如sigmoid表达式）展开处置后输出。权重股的修正是透过逆向散播演算法来实现的，这个演算法能排序出互联网输出与期许输出间的数值，并依照数值来预览权重股。
三、应用应用领域：
在很多应用领域都有应用应用领域，如音频辨识、影像辨识、语义处置、用例、金融创新预估、药理学确诊等。比如，在音频辨识中，人工智能化能透过自学电学数学方法来辨识相同的音频讯号；在影像辨识中，人工智能化能透过自学特征来对相同的影像展开进行分类和辨识；在金融创新预估中，人工智能化能透过自学历史经验和市场走势来预估未来的股票价值和买卖态势。除此之外，人工智能化还被应用应用领域于机器、自动驾驶、智能化所推荐、格斗游戏智能化等应用领域。
以上
