人工神经网络Artificial Neural Network，即ANN ，是20世纪80 年代以来人工智能领域兴起的研究热点它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在工程与学术界也常直。
2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，如稳定性收敛性容错性鲁棒性等开发新的网络数理理论，如神经网络动力学非线性神经场等应用。
1981年芬兰赫尔辛基大学Kohonen教授提出了一个比较完整的，分类性能较好的自组织特征影射SelfOrganizing Feature Map人工神经网络简称SOM网络方案这种网络也称为Kohonen特征影射网络 这种网络模拟大脑神经系统自组织特征影射功能，它是一。
光电结合的神经计算机为人工神经网络的发展提供了良好条件神经网络在很多领域已得到了很好的应用，但其需要研究的方面还很多其中，具有分布存储并行处理自学习自组织以及非线性映射等优点的神经网络与其他技术的结合以及由此而来的。
但是，由于指令存储式计算机技术的发展非常迅速，迫使他放弃了神经网络研究的新途径，继续投身于指令存储式计算机技术的研究，并在此领域作出了巨大贡献虽然，冯·诺依曼的名字是与普通计算机联系在一起的，但他也是人工神经网。
人工神经网络的模型从其拓扑结构角度去看，可分为层次型和互连型层次型模型是将神经网络分为输入层Input Layer隐层Hidden Layer和输出层Output Layer，各层顺序连接其中，输入层神经元负责接收来自外界的。
典型的人工神经网络具有以下三个部分1结构Architecture结构指定了网络中的变量和它们的拓扑关系例如，神经网络中的变量可以是神经元连接的权重weights和神经元的激励值activities of the neurons2激励函数。
其后，F RosenblattWidrow和J J Hopfield等学者又先后提出了感知模型，使得人工神经网络技术得以蓬勃发展神经系统的基本构造是神经元神经细胞，它是处理人体内各部分之间相互信息传递的基本单元据神经生物学家研究的。
感知器英语Perceptron是Frank Rosenblatt在1957年就职于康奈尔航空实验室Cornell Aeronautical Laboratory时所发明的一种人工神经网络它可以被视为一种最简单形式的前馈神经网络，是一种二元线性分类器感知机是生物。
人工智能学习路线为高等数学，概率论，python编程，机器学习，深度学习，各种算法实战想学习人工智能，通过上面的学习路线学完，最好还要到人工智能企业里实战才行如需学习人工智能，推荐选择达内教育人工智能是一门。
1943年，心理学家和数理逻辑学家WPitts建立了神经网络和数学模型，称为MP模型他们通过MP模型提出了神经元的形式化数学描述和网络结构方法，证明了单个神经元能执行逻辑功能，从而开创了人工神经网络研究的时代。
随着理论工作的发展，神经网络的应用研究也取得了突破性进展，涉及面非常广泛，就应用的技术领域而言有计算机视觉，语言的识别理解与合成，优化计算，智能控制及复杂系统分析，模式识别，神经计算机研制，知识推理专家系统与人工智能涉及的学科有。
神经网络的研究涉及众多学科领域，这些领域互相结合相互渗透并相互推动不同领域的科学家又从各自学科的兴趣与特色出发，提出不同的问题，从不同的角度进行研究人工神经网络首先要以一定的学习准则进行学习，然后才能工作。
1 神经网络入门最详细_ruthy的博客CSDN博客_神经网络算法入门 2 神经网络容易被忽视的基础知识 Evan的文章 知乎 3 人工神经网络王的机器 4 如何简单形象又有趣地讲解神经网络是什么？ 舒小曼的回。
神经网络可以指向两种，一个是生物神经网络，一个是人工神经网络生物神经网络一般指生物的大脑神经元，细胞，触点等组成的网络，用于产生生物的意识，帮助生物进行思考和行动人工神经网络也简称为神经网络NNs或称作连接。
