人工神经网络

美国学者W.S.麦卡洛克和W.H.皮特斯，于1943年建立了神经网络和数学模型。他们通过该模型提出了神经元的形式化数学描述和网络结构方法，证明了单个神经元能执行逻辑功能，为人工神经网络研究奠定了基础。

组成神经网络的单个神经单元结构简单，功能有限，但是由大量神经元构成的网络系统可以实现强大的功能。人工神经网络是并行分布式系统，采用了与传统人工智能和信息处理技术完全不同的原理，克服了传统的、基于逻辑符号的人工智能在处理直觉、非结构化信息方面的缺陷，具有自适应、自组织、实时学习、联想存储以及高速寻找优化解的特点。

人工神经网络在模式识别、计算机视觉、智能控制、信号处理、语音识别、知识处理、机器学习、数据挖掘等领域具有广泛的应用前景。