人工智能涉及到了很多的知识和技术，这应该是大家都认同的。人工智能也算是仿生学的一种，就是模仿人类的大脑，其中就涉及到一个很重要的概念，就是人工神经网络。人工神经网络在人工智能是一个十分重要的技术。不过不少人对此都应该比较疑惑，下面小编就来给大家好好普及一下人工神经网络的内容。

1.人工神经网络的概念

人工神经网络是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。人工神经网络是由大量处理单元互联组成的非线性、自适应信息处理系统。它是在现代神经科学研究成果的基础上提出的，试图通过模拟大脑神经网络处理、记忆信息的方式进行信息处理。

2.人工神经网络的基本特征是什么？

人工神经网络具有四个基本特征就是非线性、非局限性、非常定性、非凸性。

（1）非线性关系是自然界的普遍特性。大脑的智慧就是一种非线性现象。人工神经元处于激活或抑制二种不同的状态，这种行为在数学上表现为一种非线性关系。具有阈值的神经元构成的网络具有更好的性能，可以提高容错性和存储容量。

（2）非常定性就是人工神经网络具有自适应、自组织、自学习能力。神经网络不但处理的信息可以有各种变化，而且在处理信息的同时，非线性动力系统本身也在不断变化。经常采用迭代过程描写动力系统的演化过程。

（3）非凸性就是一个系统的演化方向，在一定条件下将取决于某个特定的状态函数。非凸性是指这种函数有多个极值，故系统具有多个较稳定的平衡态，这将导致系统演化的多样性。这四种特性让人工智能更加丰富。

（4）非局限性就是一个神经网络通常由多个神经元广泛连接而成。一个系统的整体行为不仅取决于单个神经元的特征，而且可能主要由单元之间的相互作用、相互连接所决定。通过单元之间的大量连接模拟大脑的非局限性。

在人工智能中，人工神经网络采用的是并行分布式系统，同时也采用了与传统人工智能和信息处理技术完全不同的机理，并且具有自适应、自组织和实时学习的特点。认识和了解到这些内容，可以对我们的知识架构建立更加完整的机器学习体系。