①從功能行為方面來講，具有很強的自學(xué)習(xí)、自組織以及適應(yīng)環(huán)境變化的能力。系統(tǒng)可以從所給的例子的集合中、從輸入與輸出的映射中學(xué)習(xí)，根據(jù)特有的網(wǎng)絡(luò)結(jié)構(gòu)和學(xué)習(xí)規(guī)則不斷地完善自己。神經(jīng)系統(tǒng)能夠?qū)�輸入的不同的外部信息，�?jīng)過一定時間的訓(xùn)練或感知，通過自動調(diào)解網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)，輸出期望值。同時，神經(jīng)系統(tǒng)能夠根據(jù)輸入信息按照一定的規(guī)則調(diào)節(jié)神經(jīng)元之間的連接權(quán)值，最終形成神經(jīng)網(wǎng)絡(luò)，即具有自組織能力。
    ②從使用性能方面來講，具有聯(lián)想存儲功能。人的大腦具有很強的邏輯思維能力，根據(jù)現(xiàn)象能找到導(dǎo)致現(xiàn)象的根本原因，具有反饋的神經(jīng)網(wǎng)絡(luò)系統(tǒng)就可以實現(xiàn)這種功能。在神經(jīng)網(wǎng)絡(luò)系統(tǒng)中，任何局部的神經(jīng)單元的損壞均不會從根本上影響網(wǎng)絡(luò)的整體性能和結(jié)算能力，因此，其具有很好的容錯性和很強的抗噪能力。
    ③從數(shù)學(xué)本質(zhì)上來講，多部分神經(jīng)網(wǎng)絡(luò)系統(tǒng)屬于非線性動態(tài)系統(tǒng)，具有復(fù)雜的功能行為和動態(tài)性質(zhì)，人們正注重這種動態(tài)行為，致力于將這種復(fù)雜問題的動態(tài)變化過程轉(zhuǎn)化為問題求解的結(jié)算過程及記憶恢復(fù)的過程。
    ④從目標(biāo)求解方面來講，人工神經(jīng)網(wǎng)絡(luò)注重于尋找可行解，而放棄目標(biāo)求解的高度精確性，比較符合許多領(lǐng)域問題求解的現(xiàn)實情況。另一方面，人工神經(jīng)網(wǎng)絡(luò)以大規(guī)模的并行分布式赴理為主，比以串行運算方式工作的傳統(tǒng)數(shù)字計算機的速度要快很多。
    2.人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用領(lǐng)域
    人工神經(jīng)網(wǎng)絡(luò)作為一門活躍的邊緣交叉學(xué)科，目前，其應(yīng)用領(lǐng)域的范圍越來越廣，在各個工程領(lǐng)域中的應(yīng)用主要有以下幾種類型。
    （1）信息智能化處理和模式識別
    人工神經(jīng)網(wǎng)絡(luò)具有模仿人的思維的功能，通過邏輯推理對模式信息進(jìn)行特征提取、檢測、分析、分類以及各種變換等。在該領(lǐng)域的應(yīng)用主要有雷達(dá)及聲吶等目標(biāo)識別，圖形、符號及語音識別，機器人視覺、聽覺及各種最近相鄰模式識別分類等。
    （2）最優(yōu)化問題計算
    在人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)中，將計算問題的目標(biāo)函數(shù)與網(wǎng)絡(luò)某種能量函數(shù)對應(yīng)起來，于是最優(yōu)化問題的求解過程便反映為網(wǎng)絡(luò)動態(tài)向能量函數(shù)極小值方向移動的過程。在該領(lǐng)域的應(yīng)用主要包括組合優(yōu)化、約束滿足等問題求解，如最優(yōu)路徑選擇、系統(tǒng)規(guī)劃、任務(wù)分配、電力系統(tǒng)短期負(fù)荷預(yù)報、排序問題等。
    （3）信號處理
    由于具有很好的自學(xué)習(xí)與自適應(yīng)的能力，人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)被廣泛地應(yīng)用于信號處理，比如目標(biāo)檢測、雜波去噪、運動目標(biāo)的速度估算、多目標(biāo)跟蹤等。
    ……