概念
是从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同的连接方式组成不同的网络，是20世纪80年代以来人工智能领域兴起的研究热点
神经网络是一种运算模型，由大量的节点（或称神经元）之间相互联接构成
基本特征
非线性
非线性关系是自然界的普遍特性
有阈值的神经元构成的网络具有更好的性能，可以提高容错性和存储容量
非局限性
一个 神经网络通常由多个神经元广泛连接而成
一个系统的整体行为不仅取决于单个神经元的特征，而且可能主要由单元之间的相互作用、相互连接所决定
联想 记忆是非局限性的典型例子
非常定性
工神经网络具有自适应、 自组织、自学习能力
神经网络不但处理的信息可以有各种变化，而且在处理信息的同时，非线性动力系统本身也在不断变化
经常采用迭代过程描写动力系统的演化过程
非凸性
非凸性是指这种函数有多个极值，故系统具有多个较稳定的 平衡态，这将导致系统演化的多样性
一个系统的演化方向，在一定条件下将取决于某个特定的状态函数
人工神经网络是并行 分布式系统，采用了与传统人工智能和信息处理技术完全不同的机理，克服了传统的基于逻辑符号的人工智能在处理直觉、 非结构化信息方面的缺陷，具有自适应、自组织和实时学习的特点
网络模型
人工神经网络模型主要考虑网络连接的拓扑结构、 神经元的特征、学习规则等
前向网络
网络中各个神经元接受前一级的输入，并输出到下一级，网络中没有反馈，可以用一个有向无环路图表示。这种网络实现信号从输入空间到输出空间的变
信息处理能力来自于简单非线性 函数的多次复合。网络结构简单，易于实现
反传网络是一种典型的前向网络
反馈网络
网络内神经元间有反馈，可以用一个无向的完备图表示
神经网络的信息处理是状态的变换，可以用动力学 系统理论处理
统的稳定性与联想记忆功能有密切关系
特点优点
具有自学习功能
自学习功能对于预测有特别重要的意义
预期未来的人工神经网络计算机将为人类提供经济预测、 市场预测、效益预测，其应用前途是很远大的
具有联想存储功能
用人工神经网络的 反馈网络就可以实现这种联想
具有高速寻找优化解的能力
研究方向
理论研究
利用神经生理与认知科学研究人类思维以及智能机理
利用神经基础理论的研究成果，用数理方法探索功能更加完善、性能更加优越的神经网络模型，深入研究网络算法和性能
应用研究
神经网络的 软件模拟和硬件实现的研究
神经网络在各个领域中应用的研究
模式识别、信号处理、 知识工程、专家系统、优化组合、机器人控制
神经网络理论本身以及相关理论、相关技术的不断发展，神经网络的应用定将更加深入
应用分析
信息领域
信息处理
人工神经网络系统具有很高的容错性、鲁棒性及自组织性，即使连接线遭到很高程度的破坏， 它仍能处在优化工作状态
模式识别
模式识别是对表征事物或现象的各种形式的信息进行处理和分析，来对事物或现象进行描述、辨认、分类和解释的过程
广泛应用到文字识别、语音识别、指纹识别、遥感图像识别、人脸识别、手写体字符的识别、工业故障检测、精确制导等方面
医学
生物信号的检测与分析
人工神经网络是由大量的简单处理单元连接而成的自适应动力学系统， 具有巨量并行性，分布式存贮，自适应学习的自组织等功能，可以用它来解决生物医学信号分析处理中常规法难以解决或无法解决的问题
医学专家系统
非线性并行处理为基础的神经网络为专家系统的研究指明了新的发展方向， 解决了专家系统的以上问题，并提高了知识的推理、自组织、自学习能力，从而神经网络在医学专家系统中得到广泛的应用和发展
经济领域
市场价格预测
人工神经网络进行价格预测是有着传统方法无法相比的优势
该模型可以对商品价格的变动趋势进行科学预测，并得到准确客观的评价结果
风险评估
人工神经网络的预测思想是根据具体现实的风险来源，构造出适合实际情况的信用风险模型的结构和算法，得到风险评价系数，然后确定实际问题的解决方案
进行实证分析能够弥补主观评估的不足，可以取得满意效果
控制领域
人工神经网络由于其独特的模型结构和固有的非线性模拟能力，以及高度的自适应和容错特性等突出特征，在控制系统中获得了广泛的应用
交通领域
交通运输问题是高度非线性的，可获得的数据通常是大量的、复杂的，用神经网络处理相关问题有它巨大的优越性
心理学领域
变化着人工神经网络的结构模型和学习规则，从不同角度探讨着神经网络的认知功能，为其在心理学的研究中奠定了坚实的基础
人工神经网络模型还可以对脑损伤病人的认知缺陷进行研究，对传统的认知定位机制提出了挑战
