【求索阁注】自今日起，在这里记录对计算智能的学习笔记，以作备忘与自勉。
1、 神经网络的特点
1） 并行分布式处理
神经网络具有高度的并行结构和并行实现能力，具有高速寻找优化解的能力，能够发挥计算机的高速运算能力，可很快的找到优化解。
2） 非线性处理
人脑的思维是非线性的，故神经网络模拟人的思维也应该是非线性的，这一特性有助于处理非线性问题。
3） 自学习能力
通过对过去的历史数据的学习，训练出一个具有归纳全部数据的特定的神经网络，自学习功能对于预测有特别重要的意义。
4） 神经网络的硬件实现
要使神经网络更快更有效的解决更大规模的问题，关键在于其超大规模集成电路的实现，即把神经元和链接制作在一块芯片上（多为CMOS）构成的ANN，神经网络的硬件实现已成为ANN的一个重要分支。
2、 神经网络的研究内容
1） 生物原型研究：从生理学、心理学、解剖学、脑科学、病理学等科学方面研究神经细胞、神经网络、神经系统的生物原型结构及其功能机理。
2） 建立理论模型：根据生物原型的研究，简历神经元、神经网络的理论模型，其中包括概念模型、知识模型、物理化学模型和数学模型等。
3） 网络模型与算法研究：在理论模型研究的基础上构成具体的神经网络模型，以实现计算机模拟或准备制作硬件，包括网络学习算法的研究。这方面的工作也成为技术模型研究。
4） 神经网络应用系统：在网络模型与算法研究的基础上，利用神经网络组成实际的应用系统，例如，完成某种信号处理或模式识别的功能、构建专家系统和制成机器人等。
3、 神经网络的应用
1） 模式识别和图像处理
2） 控制和优化
3） 预报和智能信息处理
4） 通信
5） 空间科学
