輸出層神經元

神經網絡可以指向兩種，一個是生物神經網絡，一個是人工神經網絡。

生物神經網絡：一般指生物的大腦神經元，細胞，觸點等組成的網絡，用於產生生物的意識，幫助生物進行思考和行動。

人工神經網絡（Artificial Neural Networks，簡寫為ANNs）也簡稱為神經網絡（NNs）或稱作連接模型（Connection Model），它是一種模仿動物神經網絡行為特徵，進行分佈式並行信息處理的算法數學模型。這種網絡依靠系統的複雜程度，通過調整內部大量節點之間相互連接的關係，從而達到處理信息的目的。

人工神經網絡：是一種應用類似於大腦神經突觸聯接的結構進行信息處理的數學模型。在工程與學術界也常直接簡稱為“神經網絡”或類神經網絡。 ^[1] 

先選擇一種可能性進行試驗，當發現原來選擇的假設情況是錯誤的，就退回一步重新選擇，如此反覆進行，直到得到解者是無解。

在應用數學中廣泛使用的求解方法，如待定係數法、常數變易法和歐拉待定指數函數法等方法都是具有“試探”性質的求解方法，具有此性質的求解方法被稱為試探函數法。非線性發展方程求解法中的齊次平衡法、雙曲正切函數展開法、Jacobi橢圓函數展開法和輔助方程法等方法,都是具有構造性和機械化性兩大特點的試探函數法。試探函數法在非線性發展方程求解方面已有大量的應用。本文改進了雙曲正切函數展開法,並藉助符號計算系統Mathematica,構造了色散長波方程、變形色散水波方程和(2+1)維耗散長波方程的多孤子解。改進了輔助方程法,給出函數變換與輔助方程相結合的方法,構造了(2+1)維勢Burgers系統、(2+1)維非對稱Nizhnik-Novikov-Veselov 系統、(3+1)維 Jimbo-Miwa 方程和(3+1)維破碎孤子方程等非線性發展方程的複合型新解。探求高維可積系統的局域激發也是孤立子理論研究中重要而又艱鉅的任務之一。已知的激發模式有peakon解、compacton解和隱形孤子及其碰撞特性、孤立子的裂變聚變現象、混沌孤子激發、分形孤子激發模式、摺疊孤立波和摺疊子等。 ^[2]