我们把大脑看成是一个高度复杂的，非线性的和并行的计算机器，而神经元就是组织它的组成部分；每当触及听觉，视觉，感觉等需要大脑处理的事件时，神经元就在以超级迅速的速度进行特别地计算。
神经网络是由简单处理单元构成的大规模并行分布式处理器，天然地具有存储经验支持和使之可用地特性。
理解：简单处理单元：神经元。并行：同时处理多个进程。分布式：将某个进程分为多个子进程交给不同的神经元处理。通过学习获得并且存储经验。
1. 神经网络是通过学习过程从外界环境中获取知识的。
2. 互连神经元的连接强度，即突触权值，用于存储获取的知识。
（理解可能有误，不能全信）
“人工神经元可以是线性或者非线性的”。当神经网络在处理一个进程时，得到的信息和输出的信息（转化为动作）并不是线性依赖关系。
“即教师学习，监督学习。利用带标号的训练样例，通过不断调整突触权值重复训练神经网络，直到神经网络达到对突触权值没有显著修正的稳定状态”。理解为不断得让神经网络获得信息，并且不断地改变突触权值直到输出的信息和目标信息极其相似，并且记录下当时的突触权值。
“神经网络具有调整自身突触权值以适应外界环境编号的固有能力”。在环境变化不大时，神经网络看也很容易进行重新训练。在不稳定环境中，它自身可以设计神经网络使得突触权值随时间实时变化。
神经网络在获得信息后会先对信息进行模式分类，其不仅可以设计不同的提供选择哪一个特定模式的信息，还可以排除一些模糊的模式，提高分类性能。
神经网络的每个神经元都受其它神经元全局活动的潜在影响。
当某个神经元或它的连接坏了，其产生的并不是毁灭性的失败，而是缓慢恶化的过程。因为神经网络信息存储是分布的。
中枢神经系统
↑
区域电路
↑
局部电路
↑
神经元
↑
树突树
↑
神经微电路
↑
突触
↑
分子