人工神經網(wǎng)絡是一種應用類似于大腦神經突觸聯(lián)接的結構進行信息處理的數(shù)學模型。在工程與學術界也常直接簡稱為神經網(wǎng)絡或類神經網(wǎng)絡。神經網(wǎng)絡是一種運算模型，由大量的節(jié)點（或稱神經元）和之間相互聯(lián)接構成。每個節(jié)點代表一種特定的輸出函數(shù)，稱為激勵函數(shù)（ activation function ）。每兩個節(jié)點間的連接都代表一個對于通過該連接信號的加權值， 稱之為權重， 這相當于人工神經網(wǎng)絡的記憶。網(wǎng)絡的輸出則依網(wǎng)絡的連接方式， 權重值和激勵函數(shù)的不同而不同。而網(wǎng)絡自身通常都是對自然界某種算法或者函數(shù)的逼近， 也可能是對一種邏輯策略的表達。

　　它的構筑理念是受到生物（人或其他動物） 神經網(wǎng)絡功能的運作啟發(fā)而產生的。人工神經網(wǎng)絡通常是通過一個基于數(shù)學統(tǒng)計學類型的學習方法（ LearningMethod ）得以優(yōu)化，所以人工神經網(wǎng)絡也是數(shù)學統(tǒng)計學方法的一種實際應用，通過統(tǒng)計學的標準數(shù)學方法我們能夠得到大量的可以用函數(shù)來表達的局部結構空間，另一方面在人工智能學的人工感知領域， 我們通過數(shù)學統(tǒng)計學的應用可以來做人工感知方面的決定問題（也就是說通過統(tǒng)計學的方法，人工神經網(wǎng)絡能夠類似人一樣具有簡單的決定能力和簡單的判斷能力），這種方法比起正式的邏輯學推理演算更具有優(yōu)勢。

　　1943 年，心理學家W.S.McCulloch 和數(shù)理邏輯學家W.Pitts 建立了神經網(wǎng)絡和數(shù)學模型， 稱為MP模型。他們通過MP模型提出了神經元的形式化數(shù)學描述和網(wǎng)絡結構方法， 證明了單個神經元能執(zhí)行邏輯功能， 從而開創(chuàng)了人工神經網(wǎng)絡研究的時代。

　　1949 年，心理學家提出了突觸聯(lián)系強度可變的設想。60 年代，人工神經網(wǎng)絡的到了進一步發(fā)展， 更完善的神經網(wǎng)絡模型被提出。其中包括感知器和自適應線性元件等。M.Minsky 等仔細分析了以感知器為代表的神經網(wǎng)絡系統(tǒng)的功能及局限后，于1969 年出版了《Perceptron 》一書，指出感知器不能解決高階謂詞問題。他們的論點極大地影響了神經網(wǎng)絡的研究。加之當時串行計算機和人工智能所取得的成就，掩蓋了發(fā)展新型計算機和人工智能新途徑的必要性和迫切性，使人工神經網(wǎng)絡的研究處于低潮。