人工神经网络具有自学习、自组织、自适应和很强的非线性函数逼近能力，并具有很强的容错功能。怎么理解呢？

人工神经网络就像一个黑匣子，用来模拟任何功能。根据一定的训练样本(即已知所需仿真函数的输入输出关系)，可以改变神经网络的内部结构，使其模型特性逼近训练样本。所谓的自学习、自组织、自适应。而且由于神经网络采用整体逼近的方法，整体的模型特性不会受到个别样本误差的影响，这就是所谓的容错特性。

其实用仿生的例子更容易理解，就像一个婴儿，他的父母不断教他说话，他终于可以学会理解父母语言的意思，偶尔父母说错一两个字，孩子也能理解。