人工神经网络的学习方式中，无监督的学习方式和有监督的学习方式的区别是什么？试举例说明。

无监督学习和有监督学习是人工神经网络学习方式中两种不同的方法。

无监督学习是指在没有任何标签或者标记的情况下，让神经网络自己去发现输入数据之间的内在结构和规律，从而学习到数据的特征和表示。无监督学习的过程中，神经网络不需要知道正确的输出结果，而是通过最大化数据的概率分布或者最小化数据的重构误差来进行优化。

例如，聚类算法就是一种无监督学习的方法，它可以将相似的数据点分组。在神经网络中，自编码器也是一种常用的无监督学习方法，它可以将输入数据压缩成低维的编码，然后再从编码中重构出输入数据。

相比之下，有监督学习是指在神经网络中，让网络学习输入和输出之间的映射关系。在这种学习方式中，神经网络需要知道正确的输出结果，然后通过调整网络中的参数来最小化预测输出与正确输出之间的误差。有监督学习的目标是让神经网络能够对新的输入进行准确的预测和分类。

例如，在图像分类问题中，我们有一些带有标签的图像数据集，我们将这些图像数据输入到神经网络中，让网络学习到输入和标签之间的映射关系。在训练过程中，我们需要告诉网络哪些图像属于哪个类别，然后通过调整网络中的参数来使得网络能够正确地预测新的图像的类别。