=== 发展历史 ===
基于人工神经网络的人工智能技术的发展，也非一帆风顺。过去经历了2次高潮，以及伴随的2次低谷。基于人工神经网络的人工智能技术的发展，并非一帆风顺。过去经历了两次高潮，和两次低谷。
1957年，罗森布赖特提出了感知机（perceptron）的概念，掀起了第一人工神经网络的热潮。但是因为当时计算机的计算能力限制，70年代时进入了低谷。随着1957年罗森布赖特提出了感知机（perceptron）的概念，掀起了第一次人工神经网络的热潮。但是因为当时计算机的计算能力限制，70年代时进入了低谷。
1986年，随着霍普菲尔德神经网络与BP算法的提出，掀起了第二次人工神经网络的热潮。这次由于人工智能计算机的研制失败，90年代时又进入了低谷。1986年，随着霍普菲尔德神经网络与BP算法的提出，掀起了第二次人工神经网络的热潮。这次由于人工智能计算机的研制失败，90年代时再次进入了低谷。
2006年，多伦多大学的Geoffrey Hinton提出了深度神经网络以及训练方法（深度置信网络，Deep Belief Network）。那时，该技术还只是多层神经网络权值初始化的一种有效尝试。2011年，深度神经网络在语音识别上实现了突破，2013年，深度神经网络在图像识别上取得了重大进展。在2013年，深度学习被列为《麻省理工学院技术评论》的十大突破性技术之首。Hinton提出了深度神经网络以及训练方法。2011年，深度神经网络在语音识别上实现了突破。2013年，深度神经网络在图像识别上取得了重大进展。 在2013年，深度学习被列为《麻省理工学院技术评论》的十大突破性技术之首。
目前，人工神经网络正进入第三次热潮。回顾过去，人们发现主要原因是当时的计算机的计算能力不够，用于训练的数据样本量不足，造成期望与实际效果之间有较大。而随着硬件的进步，云计算和网络所支持的计算能力的大规模提升，再加上基于大数据的机器学习的算法进步，基于神经网络的人工智能方法得到了复兴。