人工神經(jīng)網(wǎng)絡(luò)（ Artificial Neural Networks ，ANN）系統(tǒng)是 20 世紀(jì) 40年代后出現(xiàn)的。它是由眾多的神經(jīng)元可調(diào)的連接權(quán)值連接而成，具有大規(guī)模并行處理、分布式信息存儲、良好的自組織自學(xué)習(xí)能力等特點(diǎn)。BP（BackPropagation ）算法又稱為誤差反向傳播算法，是人工神經(jīng)網(wǎng)絡(luò)中的一種監(jiān)督式的學(xué)習(xí)算法。BP 神經(jīng)網(wǎng)絡(luò)算法在理論上可以逼近任意函數(shù)，基本的結(jié)構(gòu)由非線性變化單元組成，具有很強(qiáng)的非線性映射能力。而且網(wǎng)絡(luò)的中間層數(shù)、各層的處理單元數(shù)及網(wǎng)絡(luò)的學(xué)習(xí)系數(shù)等參數(shù)可根據(jù)具體情況設(shè)定，靈活性很大，在優(yōu)化、信號處理與模式識別、智能控制、故障診斷等許多領(lǐng)域都有著廣泛的應(yīng)用前景。

　?。?）人工神經(jīng)網(wǎng)絡(luò)也具有初步的自適應(yīng)與自組織能力。

　　人類大腦有很強(qiáng)的自適應(yīng)與自組織特性，后天的學(xué)習(xí)與訓(xùn)練可以開發(fā)許多各具特色的活動功能。如盲人的聽覺和觸覺非常靈敏；聾啞人善于運(yùn)用手勢；訓(xùn)練有素的運(yùn)動員可以表現(xiàn)出非凡的運(yùn)動技巧等等。

　　普通計算機(jī)的功能取決于程序中給出的知識和能力。顯然，對于智能活動要通過總結(jié)編制程序?qū)⑹掷щy。

　　在學(xué)習(xí)或訓(xùn)練過程中改變突觸權(quán)重值，以適應(yīng)周圍環(huán)境的要求。同一網(wǎng)絡(luò)因?qū)W習(xí)方式及內(nèi)容不同可具有不同的功能。人工神經(jīng)網(wǎng)絡(luò)是一個具有學(xué)習(xí)能力的系統(tǒng)，可以發(fā)展知識，以致超過設(shè)計者原有的知識水平。通常，它的學(xué)習(xí)訓(xùn)練方式可分為兩種，一種是有監(jiān)督或稱有導(dǎo)師的學(xué)習(xí)，這時利用給定的樣本標(biāo)準(zhǔn)進(jìn)行分類或模仿；另一種是無監(jiān)督學(xué)習(xí)或稱無為導(dǎo)師學(xué)習(xí)，這時，只規(guī)定學(xué)習(xí)方式或某些規(guī)則，則具體的學(xué)習(xí)內(nèi)容隨系統(tǒng)所處環(huán)境（即輸入信號情況）而異，系統(tǒng)可以自動發(fā)現(xiàn)環(huán)境特征和規(guī)律性，具有更近似人腦的功能。

　　（2）泛化能力

　　泛化能力指對沒有訓(xùn)練過的樣本，有很好的預(yù)測能力和控制能力。特別是，當(dāng)存在一些有噪聲的樣本，網(wǎng)絡(luò)具備很好的預(yù)測能力。

　?。?） 非線性映射能力

　　當(dāng)對系統(tǒng)對于設(shè)計人員來說，很透徹或者很清楚時，則一般利用數(shù)值分析，偏微分方程等數(shù)學(xué)工具建立精確的數(shù)學(xué)模型，但當(dāng)對系統(tǒng)很復(fù)雜，或者系統(tǒng)未知，系統(tǒng)信息量很少時，建立精確的數(shù)學(xué)模型很困難時，神經(jīng)網(wǎng)絡(luò)的非線性映射能力則表現(xiàn)出優(yōu)勢，因?yàn)樗恍枰獙ο到y(tǒng)進(jìn)行透徹的了解，但是同時能達(dá)到輸入與輸出的映射關(guān)系，這就大大簡化設(shè)計的難度。
?