人工神經網絡為一類似人類神經結構的並行計算模式，是”一種基於腦與神經系統研究，所啟發的信息處理技術“，通常也被稱為平行分佈式處理模型或鏈接模型。其具有人腦的學習、記憶和歸納等基本特性，可以處理連續型和離散型的數據，對數據進行預測。可利有系統輸入與輸出所組成的數據，建立系統模型（輸入與輸出間的關係）。
人工神經網絡分類，常見的人工神經網絡模型可分為四大類，如下所示：
1.監督式學習網絡，從問題中取得訓練樣本（包括輸入和輸出變量值），並從中學習輸入與輸出變量兩者之間的關係規則，可以在新樣本中輸入變量值，進而推知其輸出變量值。主要有模型有感知機網絡、倒傳遞網絡，概率神經網強、學習向量量化網絡及反傳遞網絡。
2.非監督學習網絡，從問題中取得訓練樣本（僅包括輸入變量值），並從中學習輸入變量的分類規則，可以在新樣本中輸入變量值，從而獲得分類信息。主要模型有自組織映像圖網絡、及自適應共振網絡。
3.聯想式學習網絡，從問題中取得訓練樣本（僅包括狀態變量值），並從中學習內在記憶規則，可以應用於新的安全（不完整的狀態變量值），從而推知其完整的狀態變量值。包括霍普菲爾網絡及雙向聯想記憶網絡。
4.最適化應用網絡，針對問題設計變量值，使其在滿足設計限制下，達到設計目標優化的效果。包括霍普菲爾——坦克網強及退火神經網絡。
人工神經網絡的優點
人工神經網絡是嶄新且令人興奮的研究領域，它有很大的發展潛力，但也同時遭受到一些尚未克服的困難。其優點可列舉如下：
1.可處理噪聲：一個人工神經網絡補訓練完成後，即使輸入的數據中有部分遺失，它仍然有能力辨認樣本。
2.不易損壞：因為人工神經網絡以分佈式的方法來表示數據，所以當某些單元損壞時，它依然可以正常地工作。
3.可以平行處理。
4.可以學習新的觀念。
5.為智能機器提供了一個較合理的模式。
6.已經被成功地運用在某些以一般傳統方法很難解決的問題上，如某些視覺問題。
7.有希望實現聯合內存。
8.它提供了一個工具，來模擬並探討人腦的功能。
閱讀更多 多智時代 的文章
