人工神经网络里的权值和权向量是什么意思啊?

Artificial Neural Networks
简称ANNs

要英文的还是中文的?
英文的话有本书：Neural Networks for Pattern Recognition
作者Christopher M. Bishop,算是这个领域中一本非常有名的著作吧
电子版可下：http://www.ulb.tu-darmstadt.de/tocs/198320841.pdf
论文的话,找了个,你看看行不?
http://ieeexplore.ieee.org/xpl/freeabs_all.jsp?arnumber=41401

现代意义上对神经网络（特指人工神经网络）的研究一般认为从1943年美国芝加哥大学的生理学家W.S.McCulloch和W.A.Pitts提出M-P神经元模型开始,到今年正好六十年.在这六十年中,神经网络的发展走过了一段曲折的道路.196...

人工神经网络模型主要考虑网络连接的拓扑结构、神经元的特征、学习规则等.目前,已有近40种神经网络模型,其中有反传网络、感知器、自组织映射、Hopfield网络、波耳兹曼机、适应谐振理论等.
ann:人工神经网络（Artificial Neural Networks）
bp:Back Propagation网络是1986年由Rumelhart和McCelland为首的科学家小组提出,是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一.BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程.它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小.BP神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和输出层(output layer).

1.
x=2.0,w=2.3,b=-3
y=wx+b=1.6
1)硬极限就是大于0就是1,小于等于0就取0,所以答案是1
2)线性函数输入是多少,输出就是多少,所以答案是1.6
3)对数-S型函数,应该是应用sigmoid函数,y=1/(1+e^(-1.6))=0.832
2.你打错字了?把“是”打成“时”了?
x=2.0,w=2.3,b=-3
y=wx+b=1.6
1)传输函数的净输入是1.6
2)神经元的输出是1.6(没有给传输函数是啥,所以这个可能是没有经过传输函数的输出吧.)
3.
1)6个输入,2个输出,所以有8个神经元.
2)6个w,所以是6维
3)采用sigmoid函数,输出就会是0和1之间的连续值了.
4)为了使网络具有更好的性能,可以提高容错性和存储容量,可以采用偏值
以上答案仅供参考.第一题应该没有问题,后两题不太确定.

这些神经元的基本知识随便百度都应该会有.
详细的自己看百度
按照图里
X={x1,x2,x3,x4.xn}这个是特征向量
假设 Vi=x0 *Wi0+x1*Wi1+.+xn*Win
f是激活函数.首先它具备激活功能,然后由于在迭代过程中要使得误差函数最小,必须F必须连续可导.
yi是Vi经过激活函数f的相应输出.一般来说哦,这个就是输出值.

已经有人问过类似的问题了.
根据我对人工神经网络的理解,经过了样本的学习之后,神经网络就已经定型.这时的它,就像一个函数一样,对某个固定的输入,是会产生固定的输出的,怎么会出现“两三种分类的结果”?
分类结果不确定,其原因只能归结于你的神经网络总是处于学习状态,而非工作状态.这样的未定型网络输出的结果,是不能用的.
请仔细检查你的整个算法结构,将网络的工作阶段和学习阶段分开.网络稳定之后,自然会输出确定的结果.