人工神經網絡的特點和優越性，主要表現在三個方面：
第壹，具有自學習功能。例如實現圖像識別時，只在先把許多不同的圖像樣板和對應的應識別的結果輸入人工神經網絡，網絡就會通過自學習功能，慢慢學會識別類似的圖像。自學習功能對於預測有特別重要的意義。
預期未來的人工神經網絡計算機將為人類提供經濟預測、市場預測、效益預測，其應用前途是很遠大的。
第二，具有聯想存儲功能。用人工神經網絡的反饋網絡就可以實現這種聯想。
第三，具有高速尋找優化解的能力。尋找壹個復雜問題的優化解，往往需要很大的計算量，利用壹個針對某問題而設計的反饋型人工神經網絡，發揮計算機的高速運算能力，可能很快找到優化解。
人工神經網絡是1943年，心理學家W.S.McCulloch和數理邏輯學家W.Pitts提出來。
他們通過MP模型提出了神經元的形式化數學描述和網絡結構方法，證明了單個神經元能執行邏輯功能，從而開創了人工神經網絡研究的時代。
把這種網絡看作壹種運算模型，由大量的節點（或稱神經元）之間相互聯接構成。每個節點代表壹種特定的輸出函數，稱為激活函數。每兩個節點間的連接都代表壹個對於通過該連接信號的加權值，稱之為權重（weight），神經網絡就是通過這種方式來模擬人類的記憶。
1949年，心理學家提出了突觸聯系強度可變的設想。60年代，人工神經網絡得到了進壹步發展，更完善的神經網絡模型被提出，其中包括感知器和自適應線性元件等。M.Minsky等仔細分析了以感知器為代表的神經網絡系統的功能及局限後，於1969年出版了《Perceptron》壹書，指出感知器不能解決高階謂詞問題。