人工神经网络，是人工智能研究的重要领域

人工神经网络（Artificial Neural Network，即ANN）从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同的连接方式组成不同的网络。由于冯·诺依曼(Van Neumann)体系结构的局限性，数字计算机存在一些尚无法解决的问题。人们一直在寻找新的信息处理机制，神经网络计算就是其中之一。对人脑神经元和人工神经网络的研究，可能创造出新一代人工智能机--神经计算机。

人工神经网络是模式识别中的常用方法，近年来发展起来的人工神经网络模式的识别方法逐渐取代传统的模式识别方法。现在，神经网络已在模式识别、图象处理、组合优化、自动控制、信息处理、机器人学和人工智能的其它领域获得日益广泛的应用。

人类研究人工智能的重要领域是人工神经网络，其具有自学习、自组织、自适应和容错性，使其独立性和能动性大大增强，它能更好地模拟人脑的思维过程。虽然人工神经网络具有一定程度的自学习、自意识与自组织功能，但其网络结构和学习样本都需要人为给定，人工神经网络在运行过程中没有自己的目的，完全是按人的要求完成特定的任务。

人工神经网络主要模拟人类右脑的智能行为而人工智能主要模拟人类左脑的智能机理，人工神经网络与人工智能有机结合就能更好地模拟人类的各种智能活动。

人工神经网络通常从头开始训练，使用的素材是现有的针对某个问题的拓扑结构。目前，这些网络的拓扑不会随时间发生变化，而网络的权重也是通过优化算法随机初始化和进行调整，尽可能将输入刺激映射到期望的输出函数。

不过，人工神经网络也可以基于先前存在的表征来进行学习，这一过程被称为微调。微调也包括使用相对较慢的学习速率调整预训练网络拓扑的权重，从而让网络在新的训练数据上表现良好。

目前最为先进的人工智能可以说就是人工神经网络，人工神经网络是仿生学的一个概念，是一类由多层神经元互联组件构成的机器学习算法，而“神经元”最早就是来自大脑结构的启发。

人工神经网络与人脑比较，其是人类根据社会生产的需要制造的，是用无机物模拟人脑的工具，其物质基础是机械的和电子元件结构，其运动过程也为低级的物理、机械过程。