1、适应性大脑风格的信息处理 ，其本质是通过网络的变换和动力学行为得到一种并行分布式的信息处理功能，并在不同程度和层次上模仿人脑神经系统的信息处理功能它是涉及神经科学思维科学人工智能。

2、换个角度看，深度学习的兴起，很可能是因为机器学习算法研究几十年迟迟无重大进展我们在这篇文章中给大家讲述的人工智能和神经网络的发展，从中我们可以看出人工智能的发展是离不开机器学习的，而机器学习又离不开神经网络。

3、神经网络属于人工智能连接主义目前人工智能的主要学派有下列三家1 符号主义symbolicism，又称为逻辑主义心理学派或计算机学派，其原理主要为物理符号系统即符号操作系统假设和有限合理性原理2 连接主义。

4、人工神经网络特有的非线性适应性信息处理能力，克服了传统人工智能方法对于直觉，如模式语音识别非结构化信息处理方面的缺陷，使之在神经专家系统模式识别智能控制组合优化预测等领域得到成功应用人工神经网络与其它传统方法相结合。

5、深度学习是基于人工神经网络的 如下深度学习DL， Deep Learning是机器学习ML， Machine Learning领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标人工智能AI， Artificial Intelligence深度。

6、至此，人工神经网络的研究工作进入了第一个高潮1969年，美国著名人工智能学者MMinsky和SPapert编写了影响很大的Perceptron一书，从理论上证明单层感知机的能力有限，诸如不能解决异或问题，而且他们推测多层网络的感知机能力也不过如此，他们。

7、人工神经网络与其它传统方法相结合，将推动人工智能和信息处理技术不断发展近年来，人工神经网络正向模拟人类认知的道路上更加深入发展，与模糊系统遗传算法进化机制等结合，形成计算智能，成为人工智能的一个重要方向，将在。

8、人工神经网络的特点和优越性，主要表现在三个方面1具有自学习功能 例如实现图像识别时，只在先把许多不同的图像样板和对应的应识别的结果输入人工神经网络，网络就会通过自学习功能，慢慢学会识别类似的图像自学习功能对于。

9、人工智能近年来在科技领域取得了许多令人瞩目的成果以下是其中一些值得关注的主要成就1 深度学习深度学习是人工智能中的一个重要领域，通过构建深层神经网络，我们能够利用大量数据进行模式识别和预测深度学习技术的发展。