人工神經網路為一類似人類神經結構的平行計算模式，是“一種基於腦與神經系統研究，所啟發的資訊處理技術”，通常也被稱為平行分散式處理模型或連結模型。其具有人腦的學習、記憶和歸納等基本特性，可以處理連續型和離散型的資料，對資料進行預測。人工神經網路模型主要考慮網路連線的拓撲結構、神經元的特徵、學習規則等。目前，已有近40種神經網路模型，其中有反傳網路、感知器、自組織對映、Hopfield網路、波耳茲曼機、適應諧振理論等。

以下講述常見的兩種分類方法:

按照網路連線的拓樸結構分類和按照網路內部的資訊流向分類。

1 按照網路拓樸結構分類

網路的拓樸結構，即神經元之間的連線方式。按此劃分，可將神經網路結構分為兩大類：層次型結構和互聯型結構。

層次型結構的神經網路將神經元按功能和順序的不同分為輸出層、中間層（隱層）、輸出層。輸出層各神經元負責接收來自外界的輸入資訊，並傳給中間各隱層神經元；隱層是神經網路的內部資訊處理層，負責資訊變換。根據需要可設計為一層或多層；最後一個隱層將資訊傳遞給輸出層神經元經進一步處理後向外界輸出資訊處理結果。

而互連型網路結構中，任意兩個節點之間都可能存在連線路徑，因此可以根據網路中節點的連線程度將互連型網路細分為三種情況：全互連型、區域性互連型和稀疏連線型

2 按照網路資訊流向分類

從神經網路內部資訊傳遞方向來看，可以分為兩種型別：前饋型網路和反饋型網路。

單純前饋網路的結構與分層網路結構相同，前饋是因網路資訊處理的方向是從輸入層到各隱層再到輸出層逐層進行而得名的。

前饋型網路中前一層的輸出是下一層的輸入，資訊的處理具有逐層傳遞進行的方向性，一般不存在反饋環路。因此這類網路很容易串聯起來建立多層前饋網路。

反饋型網路的結構與單層全互連結構網路相同。在反饋型網路中的所有節點都具有資訊處理功能，而且每個節點既可以從外界接受輸入，同時又可以向外界輸出。

首先，我們來了解下人工神經網路具體是什麼。

人工神經網路是什麼？

人工神經網路（Artificial Neural Network ）簡稱ANN，是由大量處理單元互聯組成的非線性、自適應資訊處理系統。本質上來講，它對人腦神經元網路進行抽象，根據不同的連線方式組成不同的網路，從而建立某種簡單的模型。

神經網路是一種運算模型，由大量的節點（或稱神經元）之間相互聯接構成。每個節點代表一種激勵函式（activation function）。

人工神經網路的四個基本特徵：

1.非線性2.非侷限性3.非常定性 4.非凸性

人工神經網路特點和優越性：

1.自主學習功能2.聯想儲存功能3.高速尋找最佳化解的能力人工神經網路分類規則及具體分類

4種分類規則

01.按效能分

連續型網路

離散型網路

確定型網路

隨機型網路

02.按拓撲結構分

前向網路

網路內神經元之間沒有反饋，可以用一個有向無環路圖表示各個神經元接受前一級的輸入，並輸出到下一級的過程。

透過簡單非線性函式的多次複合來實現資訊處理能力，訊號從輸入空間到輸出空間的變換，這種網路結構簡單，易於實現。

在前向網路中，反傳網路是一種典型。

反饋網路

網路內神經元之間有反饋，可以用一個無向的完備圖表示這種神經網路的資訊處理狀態的迴圈變換，可以透過動力學系統理論來處理。另外與系統的穩定性密切關係的是聯想記憶功能。

反饋網路中Hopfield網路、波耳茲曼機是典型的代表。

03.按學習方法分

有教師(監督)的學習網路

將訓練樣本的資料加到網路輸入端，同時將相應的期望輸出與網路輸出相比較，得到誤差訊號，以此控制權值連線強度的調整，經多次訓練後收斂到一個確定的權值。

無教師(監督)的學習網路

事先不給定標準樣本，直接將網路置於環境之中，學習階段與工作階段成為一體。04.按連線突觸性質分

一階線性關聯網路

高階非線性關聯網路

人工神經網路應用領域

人工神經網路的應用領域非常廣泛，基本涵蓋了與我們相關的所有領域：

資訊領域

處理資訊

識別模式

醫學領域

檢測與分析生物訊號

醫學專家系統

經濟領域

評估風險

控制領域

監督控制

直接逆模控制

模型參考控制

內模控制

預測控制

最優決策控制

交通領域

模擬汽車駕駛員行為

估計引數

維護路面

檢測與分類車輛

分析交通模式

管理貨物運營

預測交通流量

運輸策略與經濟

交通環保

空中運輸

船舶的自動導航及船隻的辨認

控制地鐵運營及交通

心理學領域

在探討社會認知、記憶、學習等高階心理過程機制中，人工神經網路模型成為了一種不可或缺的工具。

人工神經網路模型還可以研究腦損傷病人的認知缺陷。