人工神經網路/曲線擬合
< 人工神經網路
曲線擬合問題代表了神經網路嘗試識別和逼近任意輸入輸出關係。一旦網路對關係進行建模以達到必要的精度，它就可以用於各種任務，例如序列預測、函式逼近和函式最佳化。
函式逼近或建模是指使用給定的輸入輸出資料集合訓練神經網路的行為（通常透過監督學習），以推斷輸入和輸出之間的關係。訓練後，這種 ANN 可以用作黑盒，其輸入輸出特性大約等於訓練問題的關係。由於人工神經網路的模組化和非線性性質，它們被認為能夠以任意精度逼近任何任意函式。在這種情況下，更高的精度代表了系統複雜性和泛化能力之間的權衡。