人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，即ANN )是從信息處理角度對人腦神經(jīng)元網(wǎng)絡(luò)進行抽象，是20世紀80年代以來人工智能領(lǐng)域興起的研究熱點，其本質(zhì)是一種運算模型，由大量的節(jié)點(或稱神經(jīng)元)之間相互聯(lián)接構(gòu)成，在模式識別、智能機器人、自動控制、生物、醫(yī)學、經(jīng)濟等領(lǐng)域已成功地解決了許多現(xiàn)代計算機難以解決的實際問題，表現(xiàn)出了良好的智能特性。

人工神經(jīng)網(wǎng)絡(luò)的特點和優(yōu)越性，主要表現(xiàn)在三個方面：第一，具有自學習功能。例如實現(xiàn)圖像識別時，只在先把許多不同的圖像樣板和對應(yīng)的應(yīng)識別的結(jié)果輸入人工神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)就 會通過自學習功能，慢慢學會識別類似的圖像。自學習功能對于預(yù)測有特別重要的意義。預(yù)期未來的人工神經(jīng)網(wǎng)絡(luò)計算機將為人類提 供經(jīng)濟預(yù)測、市場預(yù)測、效益預(yù)測，其應(yīng)用前途是很遠大的。第二，具有聯(lián)想存儲功能。用人工神經(jīng)網(wǎng)絡(luò)的反饋網(wǎng)絡(luò)就可以實現(xiàn)這種聯(lián)想。

第三，具有高速尋找優(yōu)化解的能力。尋找一個復雜問題的優(yōu)化解，往往需要很大的計算量，利用一個針對某問題而設(shè)計的反饋型 人工神經(jīng)網(wǎng)絡(luò)，發(fā)揮計算機的高速運算能力，可能很快找到優(yōu)化解。

人工神經(jīng)網(wǎng)絡(luò)突出的優(yōu)點：(1)可以充分逼近任意復雜的非線性關(guān)系;(2)所有定量或定性的信息都等勢分布貯存于網(wǎng)絡(luò)內(nèi)的各神經(jīng)元，故有很強的魯棒性和容錯性;(3)采用并行分布處理方法，使得快速進行大量運算成為可能;(4)可學習和自適應(yīng)不知道或不確定的系統(tǒng);(5)能夠同時處理定量、定性知識。

(1)人工神經(jīng)網(wǎng)絡(luò)具有大規(guī)模的并行協(xié)同處理能力。每一個神經(jīng)元的功能和結(jié)構(gòu)都很簡單，但是由大量神經(jīng)元構(gòu)成的整體卻有很強的處理能力。(2)人工神經(jīng)網(wǎng)絡(luò)具有較強的容錯能力和聯(lián)想能力。單個神經(jīng)元或者連接對網(wǎng)絡(luò)整體功能的影響都比較微小。在神經(jīng)網(wǎng)絡(luò)中，信息的存儲與處理是合二為一的，信息的分布存放在幾乎整個網(wǎng)絡(luò)中。所以，當其中某一個點或者某幾個點被破壞時，信息仍然可以被存取。系統(tǒng)在受到局部損傷時還可以正常工作。當然這并不是 說對于訓練好的網(wǎng)絡(luò)可以任意修改。不過由于信息的分布存放。所以對某些網(wǎng)絡(luò)來說，當它完成學習后(即訓練好之后);如果再讓它學習新的東西，就會破壞原來已學會的東西。(3)人工神經(jīng)網(wǎng)絡(luò)具有較強的學習能力神經(jīng)網(wǎng)絡(luò)的學習可分為有教師學習與無教師學習兩類。由于其運算的不精確性，故表現(xiàn) 出“去噪聲、容殘缺”的能力。利用這種不精確性，可比較自然地實現(xiàn)模式的自動分類。其具 有很強的泛化能力與抽象能力。(4)人工神經(jīng)網(wǎng)絡(luò)是一個大規(guī)模自組織、自適應(yīng)的非線性動力系統(tǒng)人工神經(jīng)網(wǎng)絡(luò)具有一般非線性動力系統(tǒng)的共性，即不可預(yù)測性、耗散性、高維性不可 逆性、廣泛連接性和自適應(yīng)性等。

神經(jīng)網(wǎng)絡(luò)的基本屬性反映了神經(jīng)網(wǎng)絡(luò)特點，主要表現(xiàn)在：1.并行分布式處理 神經(jīng)網(wǎng)絡(luò)具有高度的并行結(jié)構(gòu)和并行實現(xiàn)能力，具有高速尋找優(yōu)化解的能力，能夠發(fā)揮計算機的高速運算能力，可能很快找到優(yōu)化解。 2.非線性處理 人腦的思維是非線性的，故神經(jīng)網(wǎng)絡(luò)模擬人的思維也應(yīng)是非線性的。這一特性有助于處理非線性問題。3.具有自學習功能 通過對過去的歷史數(shù)據(jù)的學習，訓練出一個具有歸納全部數(shù)據(jù)的特定的神經(jīng)網(wǎng)絡(luò)，自學習功能對于預(yù)測有特別重要的意義。4.神經(jīng)網(wǎng)絡(luò)的硬件實現(xiàn) 要使人工神經(jīng)網(wǎng)絡(luò)更快、更有效地解決更大規(guī)模的問題，關(guān)鍵在于其超大規(guī)模集成電路(V LSI)硬件的實現(xiàn)，即把神經(jīng)元和連接制作在一塊芯片上(多為CMOS)構(gòu)成ANN，神經(jīng)網(wǎng)絡(luò)的VLSI設(shè)計方法近年來發(fā)展很快，硬件實現(xiàn)已成為ANN的一個重要分支。

人工神經(jīng)網(wǎng)絡(luò)中，神經(jīng)元處理單元可表示不同的對象，例如特征、字母、概念，或者一些有意義的抽象模式。網(wǎng)絡(luò)中處理單元的類型分為三類：輸入單元、輸出單元和隱單元。輸入單元接受外部世界的信號與數(shù)據(jù);輸出單元實現(xiàn)系統(tǒng)處理結(jié)果的輸出;隱單元是處在輸入和輸出單元之間，不能由系統(tǒng)外部觀察的單元。神經(jīng)元間的連接權(quán)值反映了單元間的連接強度，信息的表示和處理體現(xiàn)在網(wǎng)絡(luò)處理單元的連接關(guān)系中。人工神經(jīng)網(wǎng)絡(luò)是一種非程序化、適應(yīng)性、大腦風格的信息處理，其本質(zhì)是通過網(wǎng)絡(luò)的變換和動力學行為得到一種并行分布式的信息處理功能，并在不同程度和層次上模仿人腦神經(jīng)系統(tǒng)的信息處理功能。