在科技發達的現今社會，產品的生命週期變得相當短暫，因此如何在最短的時間以及最節省成本的方式來加速產品的改進及新產品的開發，甚至製程上的改變，都是工業上競爭的關鍵。如果產品不能及時符合市場的需求，將被市場所淘汰。而在工業上，常常藉由過去累積的經驗來開發及改進製程。人類神經系統的存在對於刺激能產生動作或反應，然而訊號的傳遞並非單憑一條神經就能完成，而是需要經由多條神經的「轉換」，才能順利將訊號傳至目標。
神經元和神經元相接處稱為「突觸(Synapse)」，依訊號傳遞的方向則可將神經元分為「突觸前神經元(PresynapticNeuron)」與「突觸後神經元 (Postsynaptic Neuron)」。在現今的生物體中發現有兩種突觸形式的存在：化學突觸(Chemical Synapse)與電突觸(Electrical Synapse)。因此突觸在神經訊號傳遞的過程中有著十分重要的調節控制作用，若沒有突觸的話，個體的行為模式將會十分簡單，在大量的神經元與突觸所形成的複雜網路將是形成我們智能與智慧的基礎。
電子化類神經網路(Neural Network)是利用生物的神經網路理論為基礎，模擬生物神經結構的一種非線性系統，而發展出許多神經網路模型，類神經網路的建立是經由訓練範例將系統收斂，並模擬人類腦神經系統中的推理、聯想、判斷、歸納及學習與經驗的累積能力所架構出模擬系統。本文將介紹何謂類神經網路，以及在智慧化設計上的優缺點和在系統設計上可能的應用。
類神經網路
類神經網路早在1957年，第一類的類神經網路模式—感知機就被提出，然而一直到1980年才逐漸蔚為風潮，對於什麼是類神經網路，我們可以引用Robert Hecht-Nielson對類神經網路下的定義：『類神經網路是一種計算系統，由許多高度聯結的節點（或處理單元）所組成，用來處理資訊並對外部的輸入以網路動態來回應。』因此，要了解類神經網路就必須先了解生物神經網路，生物神經網路是由許許多多約1,011個神經細胞，又稱為神經元(Neuron)所組成的，神經元是腦組織的基本單元，如圖一，標示出神經元的主要部分名稱。
所以當外界發出各種不同形式的資訊或能量訊號（例如聲、光、電、熱等的刺激），透過眼、耳、口、鼻的感官轉換成電的訊號後，進入神經細胞中，而在神經元內此訊號經由突觸間內部電位變化後，透過樹突( Dendrites )傳送至細胞本體( Soma )，再經由軸突(Axon)傳送至樹突，成為下一個神經元的輸入訊號。因此，突觸的影響強度就是生物神經網路儲存資訊的地方，生物神經網路的學習就是在調節突觸的強度。而樹突是細胞輸入的途徑，軸突是細胞輸出的途徑，如此建構出完整的生物神經網路。類神經網路是要對生物神經網路作出簡單的模擬，人工神經元則是最基本的類神經網路單元，由許許多多的人工神經元組成了類神經網路，圖二為人工神經元模型。
圖一、生物神經元類神經網路分類
一個類神經網路是由許多個人工神經元所連接所組成，並形成各種網路模式(Network Model)，而類神經網路發展至今所衍生而成的網路模式不下數十種，在此簡單的將它分成三類，並在各類中列舉幾種網路來介紹其特性與應用，而這些網路將被應用在往後類神經網路系統建模。類神經網路的分類：1.監督式學習網路( Supervised Learning Network )；2.無監督式學習網路( Unsupervised Learning Network )；3.聯想式學習網路( Associate Learning Network )。
感知機網路
感知機一詞最早是由Frank Rosenblatt於1957年在康乃爾所提出的，它是最簡單、最古老的類神經網路模型，是一個具有單層計算神經元的神經網路模型，且具有連續可調整修正權值量，若經過訓練，可以達成對線性可分的輸入向量進行分類和辨識的功能。如圖四……以上內容為重點摘錄，如欲詳全文請見原文。
圖四、感知機神經元的架構圖
作者：王譯慧、邱國創/工研院材化所
★完整內容請見下方檔案。