二、神经网络的主要特点与功能
神经网络是通过模拟人脑神经元网络的结构、功能及信息处理机理而建立起来的网络。它具有下述几方面的特征和功能。
(一)并行处理与分布式存储
神经网络是由大量神经元(结点)相互连接构成的高度并行的非线性系统，具有大规模并行性处理特征。结构上的并行性，使神经网络的信息存储必然采用分布式方式，即信息不是存储在网络的某个局部，而是分布在网络所有的连接权中，当需要获得已存储的知识时，神经网络在输入信息激励下采用“联想”的办法进行回忆，因而具有记忆功能。
(二)自学习与自组织
自学习是指当外界环境发生变化时，经过一段时间的训练或感知，神经网络能通过自动调整网络结构参数，使得网络在新的环境下对于给定输入，能产生期望的输出。神经系统能在外部刺激下，按一定规则调整神经元之间的突触连接，逐渐构建起神经网络，这一构建过程称为网络的自组织。
(三)非线性映射
设计合理的神经网络通过对系统输入输出样本对进行自动学习，能够以很好的精度逼近复杂的非线性映射。神经网络的这一优良性能，使其可以作为多维非线性函数的通用数学模型。
(四)分类与识别
神经网络对外界输入样本具有很强的识别与分类能力。传统分类方法只适合解决同类相聚、异类分离的识别与分类问题，但客观世界中许多事物在样本空间上的区域分割曲面是十分复杂的，相近的样本可能属于不同的类，而远离的样本可能属于同一类。神经网络可以很好地解决对非线性曲面的逼近，因此比传统的分类器具有更好的分类与识别能力。
由于神经网络具有上述优点，它已应用到越来越多的领域。包括在信号处理、模式识别、数据压缩等方面取得了广泛的应用。
下一篇：与现象学态度有关的一些专用术语
