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

　　（1）人工神經(jīng)網(wǎng)絡也具有初步的自適應與自組織能力。

　　人類大腦有很強的自適應與自組織特性，后天的學習與訓練可以開發(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；聾啞人善于運用手勢；訓練有素的運動員可以表現(xiàn)出非凡的運動技巧等等。

　　普通計算機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編制程序將十分困難。

　　在學習或訓練過程中改變突觸權重值，以適應周圍環(huán)境的要求。同一網(wǎng)絡因學習方式及內容不同可具有不同的功能。人工神經(jīng)網(wǎng)絡是一個具有學習能力的系統(tǒng)，可以發(fā)展知識，以致超過設計者原有的知識水平。通常，它的學習訓練方式可分為兩種，一種是有監(jiān)督或稱有導師的學習，這時利用給定的樣本標準進行分類或模仿；另一種是無監(jiān)督學習或稱無為導師學習，這時，只規(guī)定學習方式或某些規(guī)則，則具體的學習內容隨系統(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練過的樣本，有很好的預測能力和控制能力。特別是，當存在一些有噪聲的樣本，網(wǎng)絡具備很好的預測能力。

　　（3） 非線性映射能力

　　當對系統(tǒng)對于設計人員來說，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)學工具建立精確的數(shù)學模型，但當對系統(tǒng)很復雜，或者系統(tǒng)未知，系統(tǒng)信息量很少時，建立精確的數(shù)學模型很困難時，神經(jīng)網(wǎng)絡的非線性映射能力則表現(xiàn)出優(yōu)勢，因為它不需要對系統(tǒng)進行透徹的了解，但是同時能達到輸入與輸出的映射關系，這就大大簡化設計的難度。
?