王明月 张德慧 魏铭

摘 要：神经网络是由大量简单的神经元按照一定连接方式形成的智能仿生网.它以非线性神经元作为处理单元，通过广泛连接构成大规模分布式并行处理系统.神经网络不需预知其训练数据中输入输出之间的函数关系，而以数据驱动的方式解决问题.由于神经网络具有强大的模式识别能力和灵活的非线性建模能力，它引起了越来越多的学者及工程技术人员的关注。

关键词：神经网络 监督学习 半监督学习

大多数情况下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。现代神经网络是一种非线性统计性数据建模工具，常用来对输入和输出间复杂的关系进行建模，或用来探索数据的模式。

神经网络以其自组织性、自学习性、并行性、容错性、高度非线性、高度鲁棒性、对任意函数的任意精度逼近能力，一直是监督学习领域研究、开发和应用最为活跃的分支之一。此外，神经网络模型可以根据样本信息自适应调整自身结构，也可用于提升半监督学习方法的自适应调节能力，以降低其对先验知识的依赖程度。

1.监督学习方法

1.1监督学习概述

监督学习有两种模型。一般常用的模型是监督学习产生的全局模型，即将输入映射到期望输出。而另一种模型则是将这种映射作为一个局部模型（如案例推理及最近邻算法）。为解决一个给定的监督学习问题，可分为以下5个步骤进行：

（1）确定训练样本数据。……