神经网络算法关于神经网络，蚁群算法和遗传算法

神经网络中的记忆以什么算法存在的

神经网络是生物角度上的称呼，底层就是一个函数。

例如BP神经网络，就是y=w11*tansgi(w1*x1+w2*x2+b1)+w12*tansgi(w21*x1+w22*x2+b2)类型的函数。

记忆就是以函数里的权值w和阈值b存在的，不同的训练数据，会训练出不同的 w和b，这样对相同的输入，就会有不同的输出，也即是你说的记忆。

你可以在《神经网络之家》网info里看相关的视频，可以了解得到透彻。

关于神经网络，蚁群算法和遗传算法

1. 神经网络并行性和自适应性很强，应用领域很广，在任何非线性问题中都可以应用，如控制、信息、预测等各领域都能应用。

2. 蚁群算法最开始应用于TSP问题，获得了成功，后来又广泛应用于各类组合优化问题。

但是该算法理论基础较薄弱，算法收敛性都没有得到证明，很多参数的设定也仅靠经验，实际效果也一般，使用中也常常早熟。

3. 遗传算法是比较成熟的算法，它的全局寻优能力很强，能够很快地趋近较优解。

主要应用于解决组合优化的NP问题。

4. 这三种算法可以相互融合，例如GA可以优化神经网络初始权值，防止神经网络训练陷入局部极小且加快收敛速度。

蚁群算法也可用于训练神经网络，但一定要使用优化后的蚁群算法，如最大-最小蚁群算法和带精英策略。