定性和定量分析
神经网络软件可以用来解决两种基本类型的问题：(1) 分类问题，指研究者试图确定一个未知实体的分类。例如，某种病症或借款人是否会还款；和 (2) 数字问题，指研究者需要预测一个特定数值，例如一个活体的年龄或未来某阶段的销售水平。

神经网络的优势
传统计算机解决问题与神经网络计算解决问题的不同之处在于：在传统问题解决中，我们对数据结构做出一些假设，使我们能用一个相对简单的相依性模型。但是，我们的数据往往与假设不符，从而得出不准确的解法。神经网络是具有高度互连元素的复杂系统，其能够对数据内的复杂关系建模，而传统方法无法实现。这两种方法并不矛盾，而是相互互补。

六十多年历史
术语“神经网络”是指称为神经元的脑细胞，由于同人类的神经元相似，因此计算机神经元从许多来源接收输入信息却回应单个输出。令人意外的是，神经网络并不是新技术，甚至不是近代技术。最早的人工神经元由神经生理学家 Warren McCulloch（伊利诺伊大学、芝加哥大学和麻省理工学院）和逻辑学家 Walter Pitts（麻省理工学院）在 1943 年发明。但是，他们的发明在高速计算出现之前毫无用处。

实际应用
在当前的商业和科学环境中，计算机系统获取了大量的数据，从而为神经网络提供了理想部署环境。这项技术适用于很多没有丰富计算知识的专业人士。神经网络软件目前在以下应用中使用：信用卡交易欺诈探测、贷款偿还预测、投资效益预测、肿瘤诊断、识别未知生物样本和预测产品缺陷安全标准等。

观看 NeuralTools 如何工作
» 详细了解 NeuralTools