ANN(人工神經網路)

ANN是指由大量的處理單元(神經元) 互相連線而形成的複雜網路結構，是對人腦組織結構和運行機制的某種抽象、簡化和模擬。人工神經網路（Artificial Neural Network，簡稱ANN ），以數學模型模擬神經元活動，是基於模仿大腦神經網路結構和功能而建立的一種信息處理系統。

人工神經網路有多層和單層之分，每一層包含若干神經元，各神經元之間用帶可變權重的有向弧連線，網路通過對已知信息的反覆學習訓練，通過逐步調整改變神經元連線權重的方法，達到處理信息、模擬輸入輸出之間關係的目的。它不需要知道輸入輸出之間的確切關係，不需大量參數，只需要知道引起輸出變化的非恆定因素，即非常量性參數。因此與傳統的數據處理方法相比，神經網路技術在處理模糊數據、隨機性數據、非線性數據方面具有明顯優勢，對規模大、結構複雜、信息不明確的系統尤為適用。

由Minsley和Papert提出的多層前向神經元網路(也稱多層感知器)是目前最為常用的網路結構

簡介

人工神經網路具有自學習、自組織、自適應以及很強的非線性函式逼近能力，擁有強大的容錯性。它可以實現仿真、二值圖像識別、預測以及模糊控制等功能。是處理非線性系統的有力工具。

主導思想

在運用人工手段模仿人類智慧型行為的研究上有兩種主導思想，即結構主義和功能主義。功能主義成了傳統人工智慧理論的研究基礎。結構主義從分析人腦神經網路的微觀結構入手，抓住人腦結構的主要特徵，即簡單的非線性神經元之間複雜而又靈活的連線關係，深刻揭示了人腦認識過程，創立了人工神經網路(ANN)的理論。

別稱

它是物流合作夥伴選擇方法中合作夥伴選擇的神經網路算法的另一種名稱。它是20世界80年代後迅速發展的一門新興學科，ANN可以模擬人腦的某些智慧型行為，如知覺，靈感和形象思維等，具有自學性，自適應和非線性動態處理等特徵。

套用

將ANN套用於供應鏈管理（SCM）環境下合作合辦的綜合評價選擇，意在建立更加接近於人類思維模式的定性與定量相結合的綜合評價選擇模型。通過對給定樣本模式的學習，獲取評價專家的知識，經驗，主管判斷及對目標重要性的傾向，當對合作夥伴作出綜合評價時，該方法可再現評價專家的經驗，知識和直覺思維，從而實現了定性分析與定量分析的有效結合，也可以較好的保證合作夥伴綜合評價結果的客觀性。

在選定評價指標組合的基礎上，對評價指標作出評價，得到評價值後，因各指標間沒有統一的度量標準，難以進行直接的分析和比較，也不利於輸入神經網路計算。因此，在用神經網路進行綜合評價之前，應首先將輸入的評價值通過隸屬函式的作用轉換為（0，1]之間的值，即對評價值進行標準無綱量化，並作為神經網路的輸入，以使ANN可以處理定量和定性指標。