神经网络算法是数据拟合算法

刚刚在看一篇名为《中国人口增长模型》的数学建模论文时，同时最近人工智能又处于风口上，所以就想能不能将神经网络算法应用到时间序列型的模型上，当经过一会的思考否决了这个算法，因为神经网络算法是属于数据拟合算法。
这里先结合网上的资料简单介绍一下什么是神经网络算法，在高中的生物课上我们都学过大脑里面充满了神经元，人的大脑活动实际上是大脑神经元的活动，人要完成一个思考需要非常非常多个神经元共同作用，但是这些神经元之间的作用不是单单的叠加关系，而是分为多层神经元交叉作用。神经网络算法其实只是模拟大脑神经的部分工作原理（正因为这个原因，我认为人工神经网络是无法达到人脑的），神经网络算法模拟了大脑神经元的矩阵式作用，也就是构建多层神经元，上一级影响与下一级，影响力通过两个神经元之间的权重来体现。
为什么说神经网络算法是数据拟合，因为神经网络算法是利用大量数据进行拟合出合适的权重，在进行预测时实际上是通过与已知的数据集进行比较，取出最接近的预测结果，例如在人脸识别领域，如果利用神经网络算法同时建立在大量的数据上可以得到很好的结果，但是如果把拿一个在数据中没有出现的人来让它识别，很显然它也无计可施。所以说对于逃离整个数据集的数据我认为神经网络就存在很大的局限性了。最后我认为目前的深度学习算法都可以归结于数据拟合算法。