人工神经网络，简称神经网络或类神经网络，在机器学习和认知科学领域，是一种仿生学生物神经网络的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统，通俗地讲就是具备学习功能。现代神经网络是一种非线性统计性数据建模工具，神经网络通常是通过一个基于数学统计学类型的学习方法得以优化，所以也是数学统计学方法的一种实际应用，通过统计学的标准数学方法我们能够得到大量的可以用函数来表达的局部结构空间，另一方面在人工智能学的人工感知领域，我们通过数学统计学的应用可以来做人工感知方面的决定问题，这种方法比起正式的逻辑学推理演算更具有优势。
5
调控回授网络是利用负反馈来进行推理的类神经网络。回授不是为了最佳学习或是最佳训练的权重，是用来找到节点的最佳活化方式。此作法的效果类似无母数统计，但和最近邻居法不同，调控回授网络在数学上已证明可以模拟前馈神经网络。
模糊控制是以模糊集合，模糊语言变量及模糊逻辑推理为基础的计算机智能控制。该机制的输入是透过模糊化将原本0和1的资料变成0到1之间的数值，相对于原本的非零即一的二分法较接近人类的思维。在推论的过程中资料为模糊的，但透过解模糊化的步骤，可使得输出为精确值。模糊控制常用于智能运算、建构专家系统、和类神经网络共同应用。
Mini wiki
