類神經網路簡介 Introduction
（原講義節錄 Matlab Neural Network Toolbox 手冊的英文說明，以下改寫為中文。）
類神經網路由許多平行運作的簡單元件組成，這些元件的構想來自生物的神經系統。和自然界一樣，網路的功能大致由元件之間的連結決定。調整元件間連結的數值（權值，weights），就能訓練網路執行特定的功能。
監督式學習 Supervised Learning
最常見的做法是調整（訓練）網路，使某個輸入得到指定的目標輸出：比較網路的輸出與目標，依差異調整網路，直到輸出符合目標。通常要用很多組「輸入／目標」配對來訓練，這就是監督式學習。
非監督式學習與直接設計 Unsupervised Training
監督式訓練雖然常用，也有網路是以非監督式訓練或直接設計得到的。非監督式網路可用來找出資料中的群組（分群）；某些線性網路與 Hopfield 網路則是直接計算出權值，不需要反覆訓練。設計與學習的方法有很多種，使用者可依問題選擇。
批次訓練與逐筆訓練 Batch and Incremental Training
| 方式 | 何時更新權值與偏權值 |
|---|---|
| 批次訓練（batch） | 把整組（一批）輸入向量都看過一遍，依全部結果更新一次 |
| 逐筆訓練（incremental） | 每看一個輸入向量就更新一次；又稱線上（on-line）或適應式（adaptive）訓練 |
（補充）感知器學習規則的互動示範就是逐筆訓練：每輸入一個樣本，分錯就立刻修正權值。
原圖對照（取自 Matlab 手冊）
