自然计算

自然计算，也叫自然计算，是一个被引入的术语，包括三类方法：1）那些从自然界获取灵感以开发新的问题解决技术的方法；2）那些基于使用计算机来合成自然现象的方法；以及3）那些采用自然材料（如分子）来计算的方法。构成这三个分支的主要研究领域是人工神经网络、进化算法、蜂群智能、人工免疫系统、分形几何、人工生命、DNA计算和量子计算，等等。自然计算所研究的计算范式是从各种自然现象中抽象出来的，如自我复制、大脑的运作、达尔文进化论、群体行为、免疫系统、生命形式的定义属性、细胞膜和形态发生。除了传统的电子硬件，这些计算范式可以在其他物理介质上实现，如生物大分子（DNA、RNA），或陷落离子量子计算装置。相反，人们可以将自然界中发生的过程视为信息处理。这些过程包括自组装、发育过程、基因调节网络、蛋白质-蛋白质相互作用网络、生物运输（主动运输、被动运输）网络和单细胞生物的基因组装。了解生物系统的努力还包括半合成生物体的工程，以及从信息处理的角度理解宇宙本身。事实上，人们甚至提出了信息比物质或能量更基本的观点。最近有人提出，整个宇宙是一台量子计算机，计算它自己的行为。宇宙/自然作为计算机制的问题是通过探索自然，帮助计算性的想法，以及研究自然过程作为计算（信息处理）。

最成熟的经典自然启发的计算模型是细胞自动机、神经计算和进化计算。最近从自然过程中抽象出来的计算系统包括蜂群智能、人工免疫系统、膜计算和非晶体计算。详细的评论可以在许多书中找到。

细胞自动机是一个由细胞阵列组成的动态系统。空间和时间是离散的，每个单元可以处于有限的状态。细胞自动机根据先验给出的过渡规则同步更新其细胞的状态。一个细胞的下一个状态是由过渡规则计算出来的，它只取决于它的当前状态和它的邻居的状态。

神经计算是在计算机器和人类神经系统的比较中出现的研究领域。这个领域的目的是了解生物体的大脑是如何工作的，并根据人脑处理信息的原理设计有效的算法。人工神经网络是一个由人工神经元组成的网络。

一个人工神经元A配备有一个函数.一些神经元被选为输出神经元，网络函数是将n个输入值与m个被选输出神经元的输出联系起来的矢量函数。注意，不同的权重选择对相同的输入产生不同的网络函数。逆向传播是一种监督下的学习方法，通过这种方法反复调整网络中连接的权重，以使实际输出的向量与期望输出的向量之间的差异最小。基于误差反向传播的学习算法可用于为给定的网络拓扑结构和输入-输出对找到最佳权重。

进化计算是一种受达尔文进化论启发的计算范式。