神经网络引擎算法是一种更智能的算法，它能够让计算机模拟人脑进行相关的计算与分析，能够全面提升AI的自主学习能力，能够进行合理的推理，同时还具备超强的记忆能力。
神经网络引擎算法示意图，如图2-7所示。神经网络算法无疑是深度学习算法的核心引擎。神经网络引擎-
图2-7 神经网络算法
神经网络引擎算法的研究基于一次偶然，是跨学科的一个产物。
罗森·布拉特教授是第一个把神经网络算法应用到AI领域的科学家。他虽然是康奈尔大学的一位心理学教授，但是他对计算机也有深入的研究。
1958年，罗森·布拉特教授成功地制作了第一台电子感知机。因为这台电子感知机能够识别简单的字母和图像，所以在社会上引起了强烈的反响。
当时的一些专家还预测，在未来计算机会有更强大的智能性。他们的这些预言，目前基本上已经实现。
分布式表征思想是神经网络算法的一个核心思想。因为大脑对事物的理解并不是单一的，而是分布式的、全方位的。
神经网络算法的结构非常多元，这里以最常见的5种结构为例进行简单的说明。
神经网络引擎算法的5种结构分别是单层前向神经网络结构、多层前向神经网络结构、反馈神经网络结构、随机神经网络结构以及竞争神经网络，各类神经网络结构的示意图，如图2-8所示。
单层前向网络结构与多层前向网络结构的差别在于层级数量的差别。多层前向网络结构会包含更多的“神经元隐含层”。
在AI科学领域，神经网络算法隐含层的层数，能够直接决定它对数据的描摹刻画能力。如果“隐含层”的层级越多，那么它的智能程度也就越高。神经网络引擎-
所以，多层前向网络结构会比单层前向网络结构的分析能力与计算能力强很多。
但是，多层前向神经网络结构的运行效率会更低。因为它的层数越多，它的运行时间就会越长，对运行时所需要的计算能力的要求也就会越高。
为了增加多层前向神经网络结构的运行速度，提升它的运行效率，许多AI科研机构，都会研发设计更高效的GPU系统对其进行维护。
反馈神经网络结构能够及时对用户的数据进行反馈，或者对智能分析刚刚优化处理后的数据不断地循环往复，最终向用户输出最精准的数据。
这类似于一个自净系统，总是能够智能排除系统内的“有害数据”，保持系统的健康运行。
图2-8 5种神经网络结构
神经网络引擎，随机神经网络结构类似于大脑的联想能力。它能够根据捕捉到的相关信息，进行合理的推理与联想，最终为用户提供最为全面的数据信息。它的典型案例就是知识图谱技术。
例如，当我们在百度中键入自己想要搜索的内容，百度会根据关键词进行展开拓展，为我们提供全面的信息。
竞争神经网络结构遵从“物竞天择，适者生存”这一自然法则。竞争神经网络结构对数据是极其挑剔的，对于无用的数据，它会直接淘汰，对复杂的数据进行智能分析，最终只提供给用户最有价值的数据。神经网络引擎-
如今，神经网络算法又向前迈了一大步，该算法不仅能够使机器具备“自主思维”能力，而且还能够让他们拥有“抽象概括”能力。科学的发展是无止境的，相关的AI科学家也正在再攀高峰，使机器更加智能，使我们的生活更加美好。
