A. 自學計算機專業能行嗎
看懂了。。其實計算機最好是在學校學點專業基礎，然後才能好學一點。
還有你是想自學計算機哪個方面呢？組裝與維護，還是像CAD，PS，DW之類的軟體？還是編程？
軟體基礎比較好學一點，但學完不一定就能應付工作，更多的還需要去社會實踐，書上的東西是死的，但軟體它本身是活的，我看過很多軟體方面的書，但真正實用的很少，只是基礎而已。設計程序也是一樣，沒有一定的語言基礎也是徒勞無功。組裝與維護這方面可以自學，因為它是死的。學軟體或程序設計建議去培訓班學一點，因為培訓班不光是學基礎，你還能了解一下現在的就業形勢，有一定的基礎，在加上自己努力，才能找到好點的工作。
B. 自學計算機應該從什麼方面入手
首先打好基礎，學計算機為了就業需求的話有兩個發展方向：計算機服務崗、計算機研發崗。
計算機服務崗：
1，認真通讀《大學計算機》教材，在宏觀層面上了解計算機，學計算機基礎；
2，熟練使用windows操作系統，比如讓你進安全模式，設置DNS/IP這些都要了如指掌，網上操作系統學習視頻多的是。這個對於非研發崗的計算機崗位來說很重要；
3，熟練使用辦公軟體；
4，認識一門編程語言C/Java。
計算機研發崗位：
研發崗，如果你的目標是學成後高薪就業，那麼就一定要打好基礎，把專業知識學扎實，想去應聘互聯網公司或者傳統軟體公司的高薪軟體工程師的崗位，那麼這條模擬科班的路線要走好。
1，通讀《大學計算機》教材，簡單了解即可；
2，先接觸一門計算機編程語言；
3，系統學習編程開發課程；
4，學好一門面對對象的語言；
5，確定發展方向了，比如
Java＋OS＋計算機網路→Android方向
C→obj-c＋OS＋計算機網路→iOS開發
Java→JavaEE方向
OS+計算機網路＋C/Python→運維方向
JavaScript+HTML/CSS+計算機網路→前端開發
數據結構與演算法＋C/C++→初級演算法工程師
編程方向的課程學起來還是有難度的，建議你還是找專業的計算機培訓機構系統學，現在很多機構例如北大青鳥、中博軟體學院、南京課工場大數據學院都還不錯，是小班式教學，最重要的是能夠實際操作項目，積累經驗。
C. 零基礎如何自學計算機編程
學習計算機編程要有目標，要向著目標不斷前進才能實現自己的夢想。
現在學校較多的是Java語言，現在手機Android的開發主要是Java
再有就是swift，Swift 是一種支持多編程範式和編譯式的開源編程語言,蘋果於2014年WWDC（蘋果開發者大會）發布，用於開發 iOS，OS X 和 watchOS 應用程序。Swift 結合了 C 和 Objective-C 的優點並且不受 C 兼容性的限制。
再有就是之前提到的object-C
主要根據你的學習方向確定要學習的語言
語言是工具，當你熟練掌握一門語言，就可以接觸更寬廣的世界，學習更多自己感興趣的內容。
D. 信息與計算科學專業的要自學哪些計算機方面知識比較好
A計算機科學與技術畢業之後一般做什麼?近幾年的就業和收入怎麼樣,能不能說一下你們畢業班的情況
答1：我是直接工作的 ，現在在做電信移動方面的伺服器後台系統開發 。 計算機現在的就業情況不比以前樂觀 ，但可以說仍然是最熱門的專業之一。 干計算機的比較辛苦，對，像我現在的工作加班是常事情，所以女孩子 最好不要學這個行業。 現在深圳的行情一般是這樣的 剛畢業 工資 1500到2500左右 一年工作經驗以後 3000 到 4000 兩三年後 看發展，好的話 可以6000 到 8000 發展不好 會原地踏步 想突破萬員的月薪 比較難 是個瓶頸 要在大型企業工作後 學到關鍵的技術（湖南農大) 答2：軟體,硬體都可以做啊! 整體來說,計算機科學與技術是個很雜的專業... 啥都學,但啥也不是重點,具體傾向要看你們學校的開課以及老師的情況.. 我們一般都是做軟體設計,發展的話,最後做項目策劃... 本科畢業一般就寫代碼了,算是IT的底層,工作辛苦不說,工資其實也不算多! 以後做項目也會很忙..但工資會漲比較快(根據能力)..（中央民族大學) 答3：我覺得還可以，就拿我們班來說吧，一共43個人，10多個考研的，剩下的除了幾個不太自覺的，都找到工作了，工資在2000-3000，因為大多數人找的工作在合肥，所以這點工資還是可以的，當然，有更高的，那些是能力比較高的了。總的來說：哈爾濱工業大學計算機在用人單位心中的印象還是可以的（合肥工大) 答4：這個專業的就業率在學校應該說是比較高的，一般都在90%以上，我周圍的同學找到的與本專業相關的工作工資范圍在3000-4000左右，依個人能力不同而定，能力強的也有5000的，一般不會低於3000，除非很差。這是最近一兩年的情況。當然華理的計算機系畢竟不強，和交大復旦的比起來還是有差距的（華東理工） 答5：就業率應該說還可以，我的同學里只要是真的用心去找工作的最後基本上都找到了不錯的工作，收入多少就得看自己的本事了，去年我畢業時同學找到工作的基本上至少也有3-4000 每月，能力和運氣好的也會比這個數多很多。印象中面試的公司一般至少給到3000。（北京航天航空大學) 答6：一般來說,蘇大畢業的在蘇州范圍的就業率還是可觀的,但隨著來蘇務工的人越來越多,也逐漸形成了一種趨勢,但對於畢業生來說,學校每年在畢業前夕會組織多項畢業生洽談會,用人單位會根據其所需招些合格的畢業生到他們單位實習.收入當然肯定會跟你的能力,技術掛勾了,所以首當其充的在校內應當不僅掌握好老師教的知識,自己也要主動的去實踐相關專業技術,這是最重要的,在蘇大(別的學校我不清楚了哇),大概大三的時候學校會有一些實踐活動,計算機專業的無疑會安排一些項目去實施,但這都是虛擬的了,把這個做好在找工作的時候會是不錯的實習經驗哦,工作單位都很看重的.（蘇州大學) 答7：就業率和收入還可以吧，比別的專業相對好一些，不過蠻累得，女孩家，不用那麼辛苦，好好學習吧，只要自己學到東西，不管學的是哪個專業，不重要，還有上大了學不能靠想法，學習要付諸行動，（山東工商學院） 答8：如果你想學計算機就必須要有很強的自學能力，因為這個科學不向其他的科目那樣，他的知識更新的速度非常之塊，比如我上大學比較流行的計算機高級語言是c++，而等到我畢業的時候java就十分流行了，隨之而來的就是jsp取代了asp的技術。但是這些課程在學校的大學教育中是不會進行詳細的闡述的。 對於現在計算機業競爭如此的激烈，我之有幾個建議 1.考一個類似吉林大學，東北大學這個計算機專業強的學校，這樣你可以藉助學校的名聲來強大自己 2.就是考一個普通的學校，然後有兩條路就是考研和工作兩條路如果你想畢業後就工作，那就在大學二年下半年開始就進行專業的培訓性的學習，來強化自己的專業能力。最重要的就是英語四級一定要通過。 如果你想我說的這樣進行自己大學生活的建設，你一定能成功的。 記住，學計算機的人很多，但是人才不多，特別是高級人才不多，所以說計算機行業競爭激烈是普通初級人才而言的。（長春工程學院) 答9：如果能找到工作就找工作吧``,我們那一屆2007四川大學就業情況已經是研究生不如本科生了.現在雖然研究生就業起點工資比本科高,但是你們沒有看到本科有三年工作經驗,你可以到大單位看一下,是工作經驗重要還是學歷重要,這還沒有考慮研究生的學費問題.現在已完全取消公費了（四川大學) 答10：近年來，本科段的計算機科學與技術專業的就業率一直就不高，而且還有下降的趨勢。這主要是由於高校擴招和高校普遍設置該專業造成的該專業人才過剩。 我校的計算機科學與技術專業在高校同類專業中並不出眾，倒是材料化學方面比較出色（校長是中國工程院院士，搞煤化工的）。這兩年我校計算機專業的一次性就業率大致在30%左右。不過這也不是一個絕對的數字，都看自己的造化。對於優秀的人來說就業率100%，對於差的學生那就百分之幾。即便是最優秀的學府，出來的人也是良莠不齊。 上面之所以說人才過剩是一種假過剩，是因為實際上我國在計算機方面（包括硬體和軟體）都存在很大的缺口。准確的說應該是人口過剩，而人才緊缺。（太原理工) 答11：我覺得這要視情況而定了. 先看你的把握,如果你把握大的話,感覺自己一定能考個很好學校,並且能公費,那樣讀研是最好的.不過好學校不是公費也是值得的.一般的學校不是公費就不要考慮了.因為家庭壓力比較大.學校不好,以後工作也是個問題,性價比不高. 准備不充分的話,可以考慮先工作,因為讀研以後還是有機會的.我知道的就有很多這樣的學生,工作了幾年甚至十幾年,還可以找機會讀呢,這時候經濟上沒有壓力,工作上可以為自己升職謀求機會. 公費的話,你讀研不會給家庭帶來壓力,而且研究生期間可以自己做事,經濟上應該可以獨立起來的.讀研現在有的兩年,有的三年.如果是兩年的話,讀研就更值得了,因為研究生和本科生的工資還是相差很大的. 我只是說明一下自己的看法,成績比較好的話,復習好了可以先考取一下試試.（河南大學)
B計算機科學與技術學些什麼?適合什麼樣的人學?有沒有什麼特殊要求?
答1：學計算機，首先要對編程有興趣，畢竟興趣是最大的老師。 其次，要有一定的毅力，計算機科學是一門理論性和實踐性相當強的學科。理論學習十分的枯燥，理科老師上課的方式大多也是照本宣科，學生在課堂上會感到很無聊。而在實踐中，對自己編寫的程序進行調試也是相當頭大的事情，需要注意每一個細節才能找出錯誤和不合理的地方，才能順利執行一項程序。 第三，需要很強的自學能力。大學畢竟是一個培養自學能力的地方，自學能力十分的重要，而計算機科學技術是一門日新月異的科學。所以自學能力是相當重要的。 至於學什麼，我這里只羅列專業課了。大學應該都會學習這些課程：C語言程序設計，C++程序設計，微機系統與介面技術，現代軟體工程，編譯原理，計算機系統結構，編譯原理課程設計，資料庫系統原理，計算機網路，計算機組成原理，操作系統原理，匯編語言程序設計。其他一些選修課因學習而異。 另外，英文一定要好，計算機頂尖技術在美國，最新的技術文獻都是英文的。所以英語關也要過的。（四川大學) 答2：我認為能學計算機學科的人： 第一：十分熱愛計算機，對計算機各種知識很感興趣＊＊＊＊＊ 第二：數學要好，邏輯思維能力要強＊＊＊ 第三：要能靜下心來，因為計算機是注重實踐的工科！沒有實踐，到頭來就沒什麼收獲。＊＊＊但是，女生上計算機，很多人認為不是很好。我們系的女生，一般學習成績不錯，但她們動手能力較弱。有些公司在不願招女生，其實工科女生都不好找工作，。目前計算機不被看好，如果畢業後資質平平，則更難找工作。 歸根結底，還是要看你的學科素質（對本科生而言，就是動手能力），也就是說，努力過，沒有學不會的（太原理工) 答3：數學基礎要要，尤其是邏輯思維很重要 計算機科學技術包括很多方向 主要有1.軟體編程，這個就要和程序打交道，雖然枯燥卻很有前途 2.網路工程 主要是網路構建 基本的網路知識 3.硬體 就是計算機的具體構造，各個部件的聯系工作原理 這個專業學的東西比較廣，以上三個方向都會涉及，所以建議你選擇一個方向主攻 具體的課程大概有 高等數學 大學英語 數據結構 離散數學 操作系統 資料庫 計算機網路 程序設計語言（C java==）體系結構 等 學這個專業最好不要買電腦因為大多數人都想可以多實踐一下 結果到最後都沒好好用（河南農業大學） 答4：我認為，學計算機，首先要對編程有興趣，畢竟興趣是最大的老師。 其次，要有一定的毅力，計算機科學是一門理論性和實踐性相當強的學科。理論學習十分的枯燥，理科老師上課的方式大多也是照本宣科，學生在課堂上會感到很無聊。而在實踐中，對自己編寫的程序進行調試也是相當頭大的事情，需要注意每一個細節才能找出錯誤和不合理的地方，才能順利執行一項程序。 第三，需要很強的自學能力。大學畢竟是一個培養自學能力的地方，自學能力十分的重要，而計算機科學技術是一門日新月異的科學。所以自學能力是相當重要的。 至於學什麼，我這里只羅列專業課了。大學應該都會學習這些課程：C語言程序設計，C++程序設計，微機系統與介面技術，現代軟體工程，編譯原理，計算機系統結構，編譯原理課程設計，資料庫系統原理，計算機網路，計算機組成原理，操作系統原理，匯編語言程序設計。其他一些選修課因學習而異。 另外，英文一定要好，計算機頂尖技術在美國，最新的技術文獻都是英文的。所以英語關也要過的。（四川大學) 答5：計算機科學與技術這個專業比較適合理工科學生學習，愛思考的人是最好了，邏輯性思考要強，對數學感興趣了！ 我覺得上面的人能學好，可是，事在人為，努力最重要了 四年的專業課根據大學的不同而不同，主要有： 高等數學、線性代數、離散數學、C/C++語言、數據結構、計算方法、數字邏輯、數理邏輯、java語言、計算機組成原理、操作系統、匯編語言、編譯原理、計算機專業英語、計算機網路原理、資料庫系統原理、軟體工程，還選有演算法設計與分析、軟體質量測試保證、資料庫實現與應用、Vc++.net、UML與軟體開發工具等（黑龍江大學) 答6：許多人學計算機可能是看好了就業前景，但我個人覺得，如果想要有興趣，學好，包括以後想要干好這行的話，至少要有比較強的邏輯能力，數學一定要學好，這個很重要，學習能力和接受新事物能力也要強，從宏觀到微觀的分層思想，理性要強於感性的人，一般都可以學好計算機了，我覺得不適合學計算機的人，就不要勉強，很痛苦，而且干不好。而且計算機很籠統，其實有很多分支的，比如側重物理硬體的偏硬方向，還有數學邏輯的軟體方向，還有和大家關系密切的商務方向，等等，找到自已的一個定位很重要，北航的計算機專業，前幾年我不敢說，但這幾年在北京排No.3是沒有任何問題的，就業行勢相當不錯。（北京航空航天大學) 答7：我現在已經就業了，所以會以過來人的身份給你一點參考，一切還得看個人而言。 至於什麼樣的人適合學習計算機，我想沒有什麼定論，但一定要注重兩點： •自製力較好 •再學習能力較強 計算機專業往往是知識者的天堂，墮落者的地獄，很多人在MORPG中沉淪是不爭的事實，大約80%以上的計算機專業學生在大學里是一無所獲的(除了GAME^^!)，IT技術的發展速度是日新月異的，新的技術會層出不窮，大學里的知識會平均落後市場標准，企業文化10年以上，舉個簡單的例子，當大學還在教授C語言等面向過程語言時，業界早已推崇C#,VB.Net等面向對象的高級語言。所以大學期間不過是一個打基礎，鋪橋梁的過程，知識的更新積累不是靠每天上幾次課，認真完成作業就可以做到的，應該多關注時事動態，IT界領先的技術，思想，架構，選擇一門自己認為感興趣，值的學習的語言去學習，去深入的研究。目前的流行趨勢:java C# RIA（武漢理工)
C計算機科學與技術專業在你們學校怎麼樣?這個專業前景如何?
答1：每個學校都一定有她的優勢專業，但是也有一般的。作為一所農業院校來說，四川農業大學更多注重的是農業科技和動物科技方面的專業強化。不過她也是一所綜合院校，所以她在各個理科方面也是在多方面加強的。不過怎麼好的學校始終還是要看自己的努力，再好的老師也會有不上進的學生，但是反過來說，再差的學校也一定有拔尖的在奮斗著。（四川農大) 答2：計算機在川大所有專業中不能算好，在四川的大學中也不能算好，至少比電子 科大差一點，算一般般吧。計算機專業的就業前景一直都不錯，工作一般都不用愁，這幾年IT業需求量很大，就業率90%肯定是有的，我本科的時候班上的 答3：我們學校的計算機應用技術在全國排33名，在研究生的方向中，中文信息處理，粒度計算，支持向量機和粗糙集在全國來說搞得可以。我們院長比較牛，是山西省青年科學家，在學校里也位高權重，是副校級，經常可以弄許多項目，或是和其它單位合作，比如日本NEC公司，就和我們合作。（山西大學) 答4：相對來說，我們學校的計算機科學與技術傾向於理論，比如：本科階段我們學校在基礎演算法、數學基礎、計算機系統基礎（簡單地說就是比較基礎的計算機理論）上比較優秀，但是我們學校有個致命的弱點，就是硬體和工程比較差。因此如果你的想讀計算機，那麼最好確定一下方向。如果想進行深入的理論研究或者走計算機深層研究路線（比如/google等注重理論基礎的公司，門檻比較高，但工作壽命長）我們學校肯定比較好，但是如果是傾向於硬體或者工程（比如軟體開發等，門檻低，但工作壽命可能就比較短），建議去華南理哈爾濱工業大學學，畢竟那個學校的計算機排名比我們前，但是理論成果少於我們學校。 如果他們要讀本科，先看看他們的興趣，開發軟體設計硬體，出外找個薪水不低的程序員工作還是想深入學習計算機理論，從基礎抓起；前者肯定要報華南理哈爾濱工業大學學，後者我們學校在華南肯定是不二選擇。 如果他們是要讀研究生，我還是推薦我們學校，因為如果研究生階段只是做工程，當老師的馬仔，你會發現那是一種極大的時間和機會的浪費。 另：我們學校還有一個軟體學院，他們的老師和我們專業的一樣，而且因為有實訓，因此開發能力都是很強的，絕不遜於華南理工。但是一方面學費比較高（好像上萬）另一方面，社會上對於軟體工程這樣的專業認識不足，多少有點鄙視（不過個人感覺這兩年比起前些年好了很多），所以如果選學校，最重要看自己，師傅領進門，修行在個人！不過我們這屆工作情況還不錯，如果是想當老師，那麼師大是個好選擇。如果以後想進公司，那就選擇一個工科院校，相近錄取分數的學校比如吉林大學（我們那年分數差不多，但現在不知道了），總之，一定加強動手能力，師大對這方面不是很注重（東北師范大學) 答5：首先從IT行業的前景來說，目前這個行業可謂是熱火朝天，主要集中在海外軟體外包業務中，意思就是說國外很多發達國家會把他們要開發的軟體放到中國來做，因為中國的成本相對來說比較低一些，現在呢這個勢頭在中國還是剛剛開始，所以，未來十年內，軟體開發這個領域的本科生是非常好找工作的，如果再加上你技術精通，英語日語或者韓語流利，那成為一個超級金領不成問題，或者如果自己願意創業開公司，難度和風險相對其他專業都要小很多。 至於武漢理工的計算機專業，說實話，還真沒什麼感覺，反正一般般吧，在武漢來說呢估計就跟這個學校在武漢的大學中所處的地位差不多吧，至於畢業後找工作呢，反正基本也不受『歧視』，不管多牛的公司還是不會拒收你的簡歷的，，總之，還是要看實力如何，這個專業就是這樣的，反正呢，如果高考估計能超當地重點現30分或者40分應該就可以穩上了（武漢理工) 答6：我覺得盡量別學這個，這個專業太枯燥， 而且沒意思，我們學這個專業的人大部分的人都會後悔，而且不容易學好，我們學年178人最後53個沒有畢業的，留級了。我覺得就業和其他專業都差不多，主要還是看自身的能力，專業在一定程度上也起不到太大的作用（黑龍江大學) 答7：一個普通的本科高校，一個普通的專業，一個還過得去的發展方向 我只能這么說，在哪裡都有牛人，在哪裡也都有整天為考試發愁的，關鍵是自己 但說學校和專業只能說是沒有什麼特別的競爭力，但也不比其它的學校差，只能那麼說 但至少工作是有保障的，前提是不要學的太過於爛了（天津工程師范學院） 答8：很好的專業阿，，，工作一流的好找，， 我們本科同學工作收入5000-10000多 研究生8000-20000多（南京大學） 答9：在我們學校，電氣工程及其自動化專業和動力工程是優勢專業，自動化也不錯，另外就是工商的人力資源比較好。我們學校的計算機科學與技術不算是優勢吧。現在各大高校都有計算機系，所以計算機的就業並不像以前那麼好！當然現在社會上還是缺少很頂尖的計算機人才，但是如果不是對計算機很有興趣的話，很難達到那個程度。另外一方面就是學計算機找個工作比較容易，但是找個很好的並不容易，而且計算機方面的工作都比較累，所以男孩子如果對計算機編程方面感興趣的話可以考慮學學計算機。女孩自如果不是非常有興趣的話，盡量不要選計算機、電子方面的專業！（華北電力大學) 答10：還行，其實發展前景跟個人的努力有關,有很多同學都能考上理想的研究生，也有很多找到好工作，但也有不少工作很難找.不過個人感覺河大還是不錯的.（河南大學)
D計算機科學與技術專業好不好?你對要學這個專業的學弟學妹有什麼建議?
答1：可能不太對，但覺得很重要。不要玩游戲，多編程序，多參加各種大賽。當然更重要的是喜歡這個專業。好好學習永遠沒有錯！（北京交通大學) 答2：如果是學妹的話，最好不要學計算機吧！特別感興趣的話，那就另當別論了啊！學計算機太辛苦，而且這東東太深奧，永遠有學不完的東西。這點我深有感觸（河南師范大學） 答3：主要是個人興趣問題。就目前而言，做這一行是熱門，人太多，但是都是基礎技術人員。而且需求量也大，如果想做，就完全可選。現在的情況是，工作比較好找，但是也比較累（南京大學) 答4：選擇計算機專業，看你將來的打算了，現在學計算機的一抓一大把，說實際點， 如果對計算機感興趣，將來想從事這方面工作，那還是可以好好學習一下，雖然累點，但是還是可以找到 一份不錯的工作。如果怕累，還是選擇其他專業吧，還是有很多別的不想這樣累得工作，待遇也不錯(北京交通大學) 答5：我也才剛入狀態，具體有人不知道該怎麼做！不過專業課一定是要抓緊的！數學！記得以前采訪過一個軟體工程師他說：數學是一切問題的出口！所以一定要學好數學！ 平時要養成對計算機領域新生事物的好奇心！多關心領域發展！（北京語言大學) 答6：要有信心，耐心，細心 計算機是純工科，基礎課會有很多，沒有信心和耐心可學不下去呦 調程序很辛苦，小小的錯誤都會導致系統的崩潰，所以一定要細心，檢查程序的時候要細致再細致，同時要有耐心，在電腦前坐上六七個小時沒有任何成果是經常的事情，所以一定要有耐心，一定要對自己有信心，鼓勵自己堅持 剛開始調程序確實很辛苦，但是日子長了，一看錯誤代碼就大概知道錯在哪裡了 可以說，調程序是個熟練工種 總的來說呢，還是興趣比較重要，你可以因為喜歡計算機而選擇計算機，也可以因為學了計算機而喜歡編程序，隨你怎麼想 一個人有一個人的辦事風格，一個人有一個人的學習態度，無論怎樣，都希望所有人在自己的領域有所成就(北京語言大學) 答7：要學這個專業可以，不過要選一所計算機方面比較強的學校，最好事先考察一下這個學校的計算機專業，具體就看計算機學院成立的時間（最好選擇成立15年以上的，越早越好），教學質量，軟硬體等方面。不然的話，如果在學校學不到什麼真正的本事，出來是很難找到合適工作。 對這我是深有體會的，我學這個專業才成立6年吧，根本學不到什麼東西，現在我都在考慮改行了！（河南農業大學)
參考資料：另外哈爾濱要建設外包，應該很有發展吧！
E. (1)BP演算法的學習過程中有兩個過程是什麼(2)寫出BP神經網路的數學模型,並以20
bp（back propagation）網路是1986年由rumelhart和mccelland為首的科學家小組提出，是一種按誤差逆傳播演算法訓練的多層前饋網路，是目前應用最廣泛的神經網路模型之一。bp網路能學習和存貯大量的輸入-輸出模式映射關系，而無需事前揭示描述這種映射關系的數學方程。它的學習規則是使用最速下降法，通過反向傳播來不斷調整網路的權值和閾值，使網路的誤差平方和最小。bp神經網路模型拓撲結構包括輸入層（input）、隱層(hide layer)和輸出層(output layer)。
人工神經網路就是模擬人思維的第二種方式。這是一個非線性動力學系統，其特色在於信息的分布式存儲和並行協同處理。雖然單個神經元的結構極其簡單，功能有限，但大量神經元構成的網路系統所能實現的行為卻是極其豐富多彩的。
人工神經網路首先要以一定的學習准則進行學習，然後才能工作。現以人工神經網路對手寫「a」、「b」兩個字母的識別為例進行說明，規定當「a」輸入網路時，應該輸出「1」，而當輸入為「b」時，輸出為「0」。
所以網路學習的准則應該是：如果網路作出錯誤的的判決，則通過網路的學習，應使得網路減少下次犯同樣錯誤的可能性。首先，給網路的各連接權值賦予(0，1)區間內的隨機值，將「a」所對應的圖象模式輸入給網路，網路將輸入模式加權求和、與門限比較、再進行非線性運算，得到網路的輸出。在此情況下，網路輸出為「1」和「0」的概率各為50%，也就是說是完全隨機的。這時如果輸出為「1」(結果正確)，則使連接權值增大，以便使網路再次遇到「a」模式輸入時，仍然能作出正確的判斷。
如果輸出為「0」(即結果錯誤)，則把網路連接權值朝著減小綜合輸入加權值的方向調整，其目的在於使網路下次再遇到「a」模式輸入時，減小犯同樣錯誤的可能性。如此操作調整，當給網路輪番輸入若干個手寫字母「a」、「b」後，經過網路按以上學習方法進行若干次學習後，網路判斷的正確率將大大提高。這說明網路對這兩個模式的學習已經獲得了成功，它已將這兩個模式分布地記憶在網路的各個連接權值上。當網路再次遇到其中任何一個模式時，能夠作出迅速、准確的判斷和識別。一般說來，網路中所含的神經元個數越多，則它能記憶、識別的模式也就越多。
如圖所示拓撲結構的單隱層前饋網路，一般稱為三層前饋網或三層感知器，即：輸入層、中間層（也稱隱層）和輸出層。它的特點是：各層神經元僅與相鄰層神經元之間相互全連接，同層內神經元之間無連接，各層神經元之間無反饋連接，構成具有層次結構的前饋型神經網路系統。單計算層前饋神經網路只能求解線性可分問題，能夠求解非線性問題的網路必須是具有隱層的多層神經網路。
神經網路的研究內容相當廣泛，反映了多學科交叉技術領域的特點。主要的研究工作集中在以下幾個方面：
（1）生物原型研究。從生理學、心理學、解剖學、腦科學、病理學等生物科學方面研究神經細胞、神經網路、神經系統的生物原型結構及其功能機理。
（2）建立理論模型。根據生物原型的研究，建立神經元、神經網路的理論模型。其中包括概念模型、知識模型、物理化學模型、數學模型等。
（3）網路模型與演算法研究。在理論模型研究的基礎上構作具體的神經網路模型，以實現計算機模擬或准備製作硬體，包括網路學習演算法的研究。這方面的工作也稱為技術模型研究。
（4）人工神經網路應用系統。在網路模型與演算法研究的基礎上，利用人工神經網路組成實際的應用系統，例如，完成某種信號處理或模式識別的功能、構作專家系統、製成機器人等等。
縱觀當代新興科學技術的發展歷史，人類在征服宇宙空間、基本粒子，生命起源等科學技術領域的進程中歷經了崎嶇不平的道路。我們也會看到，探索人腦功能和神經網路的研究將伴隨著重重困難的克服而日新月異。
神經網路可以用作分類、聚類、預測等。神經網路需要有一定量的歷史數據，通過歷史數據的訓練，網路可以學習到數據中隱含的知識。在你的問題中，首先要找到某些問題的一些特徵，以及對應的評價數據，用這些數據來訓練神經網路。
雖然bp網路得到了廣泛的應用，但自身也存在一些缺陷和不足，主要包括以下幾個方面的問題。
首先，由於學習速率是固定的，因此網路的收斂速度慢，需要較長的訓練時間。對於一些復雜問題，bp演算法需要的訓練時間可能非常長，這主要是由於學習速率太小造成的，可採用變化的學習速率或自適應的學習速率加以改進。
其次，bp演算法可以使權值收斂到某個值，但並不保證其為誤差平面的全局最小值，這是因為採用梯度下降法可能產生一個局部最小值。對於這個問題，可以採用附加動量法來解決。
再次，網路隱含層的層數和單元數的選擇尚無理論上的指導，一般是根據經驗或者通過反復實驗確定。因此，網路往往存在很大的冗餘性，在一定程度上也增加了網路學習的負擔。
最後，網路的學習和記憶具有不穩定性。也就是說，如果增加了學習樣本，訓練好的網路就需要從頭開始訓練，對於以前的權值和閾值是沒有記憶的。但是可以將預測、分類或聚類做的比較好的權值保存。
F. 學計算機應用技術和計算機網路技術和軟體技術有什麼不一樣
計算機應用技術專業、計算機網路技術專業和軟體技術專業有3點不同：
一、三者的培養目標不同：
1、計算機應用技術專業的培養目標：培養適應計算機技術在企事業單位中發展、應用的需要，具有扎實的計算機基礎知識、計算機專業知識和較強的計算機辦公自動化、資料庫等常用軟體應用能力、計算機網路基本應用能力。
能夠在企事業單位相關部門從事計算機辦公自動化和計算機軟體應用等計算機相關應用工作，德、智、體、美全面發展的計算機專業高等應用型人才，實現「一張文憑，多種證書，一技之長，一專多能，品學兼優」的培養目標。
2、計算機網路技術專業的培養目標：培養適應生產、建設、管理、服務第一線需要的德、智、體、美全面發展，掌握計算機網路技術基礎知識。
培養具有一定計算機網路基本理論和開發技術，具備從事程序設計、Web的軟體開發、計算機網路的組建、網路設備配置、網路管理和安全維護能力的網路高技術應用型人才。
3、軟體技術專業的培養目標：培養具有一定的理論知識，掌握至少一種主流軟體開發平台，具有較強編程能力的高級實用型專業人才。
可在IT企業、政府機關、企事業單位等從事軟體（管理信息系統、企業資源計劃系統、文化娛樂產品和控制系統等）開發的需求調查、編碼、測試、維護、營銷售後服務及軟體生產管理工作。
二、三者的主要課程不同：
1、計算機應用技術專業的主要課程：計算機軟硬體技術基礎、Linux操作系統、資料庫系統SQL、數據結構與C程序設計、單片機原理與技術、計算機網路原理、工程經濟、高級語言匯編、VBnet程序設計、多媒體軟體應用。
計算機網路與網站建設、Delphi程序設計、Java語言程序設計、圖形圖像應用處理、Flash動畫製作、微型計算機安裝調試維修、辦公室軟體應用操作、計算機輔助設計。
本專業主要開設微機原理與介面技術、C語言、數據結構、操作系統、平面設計、VB程序設計語言、SQL SERVER資料庫應用、3DS軟體應用、網頁製作、Visual FoxPro應用基礎、工具軟體等課程。
2、計算機網路技術專業的主要課程：資料庫原理與SQLSERVER，Oracle資料庫管理、面向對象程序設計，網路安全管理與維護技術，HTML與JavaScript，網路後期維護與運營，網路規劃、Linux系統及網路管理。
網路伺服器配置與管理、路由器交換機配置與管理、構建企業網路、網路綜合布線技術、網路測試與故障診斷、網路入侵的檢測與防範；網站設計方向：ASP動態網站建設、JAVA網路程序開發，php伺服器端腳本語言，div+css網頁布局。
3、軟體技術專業的主要課程：面向對象程序設計、軟體工程與項目管理、軟體測試、NET/Java Web程序開發、NET、Java企業級開發、3G、4G手機軟體開發等、計算機網路與通訊、網路操作系統、多媒體技術與應用、大型資料庫處理技術。
主要開設課程有軟體工程、C#程序設計、java程序設計、資料庫技術與應用、計算機專業英語、JSP、ASP等專業課、以及高等數學，英語等公共課程。
三、三者的就業方向不同：
1、計算機應用技術專業的就業方向：計算機軟體開發、計算機及其網路管理維護、國家企事業單位辦公部門，互聯網站建設維護等職業崗位群。計算機硬體工程師。
計算機二級三級、計算機國家二級三級、LINUX管理、平面設計師、網站設計師、工業測量與控制、儀器儀表與智能家電產品開發及應用等。
2、計算機網路技術專業的就業方向：計算機系統維護、網路管理、程序設計、網站建設、網路設備調試、網路構架工程師、網路集成工程師、網路安全工程師、數據恢復工程師、安卓開發工程師、網路運維工程師、網路安全分析師等崗位。
3、軟體技術專業的就業方向：培養具有軟體開發，軟體測試，資料庫管理等能力的高素質技能型專門人才。畢業後主要從事軟體開發工程師、軟體測試工程師、資料庫管理員、技術支持和維護工程師、軟體銷售與推廣人員等崗位。
G. 為什麼深度學習可以自動學習特徵
現在深度學習在機器學習領域是一個很熱的概念，不過經過各種媒體的轉載播報，這個概念也逐漸變得有些神話的感覺：例如，人們可能認為，深度學習是一種能夠模擬出人腦的神經結構的機器學習方式，從而能夠讓計算機具有人一樣的智慧；而這樣一種技術在將來無疑是前景無限的。那麼深度學習本質上又是一種什麼樣的技術呢？
深度學習是什麼
深度學習是機器學習領域中對模式（聲音、圖像等等）進行建模的一種方法，它也是一種基於統計的概率模型。在對各種模式進行建模之後，便可以對各種模式進行識別了，例如待建模的模式是聲音的話，那麼這種識別便可以理解為語音識別。而類比來理解，如果說將機器學習演算法類比為排序演算法，那麼深度學習演算法便是眾多排序演算法當中的一種（例如冒泡排序），這種演算法在某些應用場景中，會具有一定的優勢。
深度學習的「深度」體現在哪裡
論及深度學習中的「深度」一詞，人們從感性上可能會認為，深度學習相對於傳統的機器學習演算法，能夠做更多的事情，是一種更為「高深」的演算法。而事實可能並非我們想像的那樣，因為從演算法輸入輸出的角度考慮，深度學習演算法與傳統的有監督機器學習演算法的輸入輸出都是類似的，無論是最簡單的Logistic Regression，還是到後來的SVM、boosting等演算法，它們能夠做的事情都是類似的。正如無論使用什麼樣的排序演算法，它們的輸入和預期的輸出都是類似的，區別在於各種演算法在不同環境下的性能不同。
那麼深度學習的「深度」本質上又指的是什麼呢？深度學習的學名又叫深層神經網路（Deep Neural Networks ），是從很久以前的人工神經網路（Artificial Neural Networks）模型發展而來。這種模型一般採用計算機科學中的圖模型來直觀的表達，而深度學習的「深度」便指的是圖模型的層數以及每一層的節點數量，相對於之前的神經網路而言，有了很大程度的提升。
深度學習也有許多種不同的實現形式，根據解決問題、應用領域甚至論文作者取名創意的不同，它也有不同的名字：例如卷積神經網路（Convolutional Neural Networks）、深度置信網路（Deep Belief Networks）、受限玻爾茲曼機（Restricted Boltzmann Machines）、深度玻爾茲曼機（Deep Boltzmann Machines）、遞歸自動編碼器（Recursive Autoencoders）、深度表達（Deep Representation）等等。不過究其本質來講，都是類似的深度神經網路模型。
既然深度學習這樣一種神經網路模型在以前就出現過了，為什麼在經歷過一次沒落之後，到現在又重新進入人們的視線當中了呢？這是因為在十幾年前的硬體條件下，對高層次多節點神經網路的建模，時間復雜度（可能以年為單位）幾乎是無法接受的。在很多應用當中，實際用到的是一些深度較淺的網路，雖然這種模型在這些應用當中，取得了非常好的效果（甚至是the state of art），但由於這種時間上的不可接受性，限制了其在實際應用的推廣。而到了現在，計算機硬體的水平與之前已經不能同日而語，因此神經網路這樣一種模型便又進入了人們的視線當中。
「 2012年6月，《紐約時報》披露了Google Brain項目，吸引了公眾的廣泛關注。這個項目是由著名的斯坦福大學機器學習教授Andrew Ng和在大規模計算機系統方面的世界頂尖專家Jeff Dean共同主導，用16000個CPU Core的並行計算平台訓練一種稱為「深層神經網路」（DNN，Deep Neural Networks） 」
從Google Brain這個項目中我們可以看到，神經網路這種模型對於計算量的要求是極其巨大的，為了保證演算法實時性，需要使用大量的CPU來進行並行計算。
當然，深度學習現在備受關注的另外一個原因，當然是因為在某些場景下，這種演算法模式識別的精度，超過了絕大多數目前已有的演算法。而在最近，深度學習的提出者修改了其實現代碼的Bug之後，這種模型識別精度又有了很大的提升。這些因素共同引起了深層神經網路模型，或者說深度學習這樣一個概念的新的熱潮。
深度學習的優點
為了進行某種模式的識別，通常的做法首先是以某種方式，提取這個模式中的特徵。這個特徵的提取方式有時候是人工設計或指定的，有時候是在給定相對較多數據的前提下，由計算機自己總結出來的。深度學習提出了一種讓計算機自動學習出模式特徵的方法，並將特徵學習融入到了建立模型的過程中，從而減少了人為設計特徵造成的不完備性。而目前以深度學習為核心的某些機器學習應用，在滿足特定條件的應用場景下，已經達到了超越現有演算法的識別或分類性能。
深度學習的缺點
深度學習雖然能夠自動的學習模式的特徵，並可以達到很好的識別精度，但這種演算法工作的前提是，使用者能夠提供「相當大」量級的數據。也就是說在只能提供有限數據量的應用場景下，深度學習演算法便不能夠對數據的規律進行無偏差的估計了，因此在識別效果上可能不如一些已有的簡單演算法。另外，由於深度學習中，圖模型的復雜化導致了這個演算法的時間復雜度急劇提升，為了保證演算法的實時性，需要更高的並行編程技巧以及更好更多的硬體支持。所以，目前也只有一些經濟實力比較強大的科研機構或企業，才能夠用深度學習演算法，來做一些比較前沿而又實用的應用。
H. 計算機網路裡面網橋自學習演算法！是個什麼意思求大神給解釋一下！
如從某個站口A發出的幀從介面X進入某網橋，那麼從這個介面出發沿相反方向已定可以吧一個幀傳送到A！所以網橋每收到一個幀就記錄其源地址和進入網橋的介面！