死记学习。即依据领域经验或推理结果，将权重预先赋值且固定不变。该策略也被称为无导师学习。

3学习律。其用已有的实例样本对网络进行训练，亦即对权重进行有导师学习。其算法如下：设（弋，为输人/输出实例，其中7 = 1，2，…，?

I、6分别为厂维和方维向量，即岑二 （ ,?，…，丁，匕二（力，”，…，?。（父丨’广，…’沁）⁷为初始权重和输入情况下的网络输出，则某一？11 （记为夺）到[的连接权重 的改变量为：匕?二哝义，3厂厂（[-广）。其中，7？为学习步长，亦称学习律或学习因子，为误差，匕为第₉个？II的输出，厂〈0 —般为线性函数。

自组织学习与941 0学习律。该策略取两个？！1之间的连接权重正比于它们的活动值，即― ，其中 、V；第〖和第_；’个？II的输出。

（句竞争学习。网络中某一组？II相互竞争对外界刺激模式响应的权力，在竞争中获胜的？11其连接权重会向着对这一刺激模式竞争更为有利的方向发展，亦即竞争获胜的？11抑制了竞争失败的？11对刺激模式的响应。为防止学习过程中的信息丢失，一般会同时允许多个获胜者出现。

（丘）相似学习。设第）和第；个？II的连接权重为~ V】为第）个？11的输出，则 （巧- ）。通过学习， 与巧的值将非常接近。

经过数十年的快速发展，目前模型至少有几十种。当前应用广泛、比较成熟的有1985年美国加州大学的&!'I和1 11311（1提出的误差反向传播〈61X01 丨⁰¹¹，只？）网络和加州工学院1982年提出的联想记忆网络。其中，8？网络通过网络各层将输入模式向输出层传播（正向〕，在输出层上确定误差，尔后将误差从输出层向输人层回传并引导权重修正，直至系统总误差最小。8？网络通过近20年的不断完善与改进（如改进误差函数、改进？II变换函数、改进网络结构、采用卡尔曼滤波、模拟退火与遗传算法等〉，基本解决了收敛速度慢、网络麻痹和陷人局部极小等问题，能够以任意精度逼近任意连续函数。对于事物间联系难以描述为明晰函数形式的隐性知识，8？网络可以较好实现对知识的获取、表示与存储。网络是一种具有相互连接的反馈型网络，根据变换函数的不同，可分为离散型和连续型两种，前者的变换函数为符号函数，后者为祝⑶旧函数。该网络通过向量外积（灿打静态联想记忆方法确定连接权重，权重确定后不再变化，此时一旦输人某个样本，网络就不断演化，直至系统达到状态空间的稳定状态，此即网络的输出状态，亦即输人模式的联想输出。仏化网络是一种反馈动力学系统，具有较强的计算能力和稳定性〈回忆）。

与传统知识表示方法、知识处理系统不同，… 具有以下特征。