人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）是一種通過模仿人或動物神經(jīng)網(wǎng)絡(luò)行為特征，進行分布式并行信息處理的數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程序，通過調(diào)整
內(nèi)部大量節(jié)點之間相互連接的關(guān)系，從而達(dá)到處理信息的目的。ANN 通過預(yù)先提供的一批相互對應(yīng)的“輸入數(shù)據(jù)—輸出數(shù)據(jù)”，分析、掌握兩者之間潛在的規(guī)律，zui終根據(jù)這些規(guī)律，
用新的“輸入數(shù)據(jù)”來推算“輸出結(jié)果”，這種學(xué)習(xí)分析的過程被稱為“訓(xùn)練”。
在上述幾種方法中，ANN 通常被認(rèn)為是較有前途的一種氣味嗅覺細(xì)胞嗅球神經(jīng)網(wǎng)絡(luò)（嗅小球）大腦（神經(jīng)中樞）做出判斷傳感器陣列數(shù)據(jù)采集處理器模式識別系統(tǒng)電子鼻人類嗅覺系統(tǒng)方法，其特點和*性主要表現(xiàn)在三個方面：具有自學(xué)習(xí)、自適應(yīng)功能；具有聯(lián)想存儲功能；具有高速尋找優(yōu)化解的能力。此外，它能夠解決非線性問題，在處理噪聲和漂移方面
比傳統(tǒng)的統(tǒng)計方法要好。目前，許多人工神經(jīng)網(wǎng)絡(luò)被用于處理傳感器陣列的信號，如 BP 神經(jīng)網(wǎng)絡(luò)[5]（Back PropagationTrained Neural Network）、徑向基神經(jīng)網(wǎng)絡(luò)[6]（Radial Basis
Function Neural Network）、模糊神經(jīng)網(wǎng)絡(luò)[7]（Fuzzy NeuralNetwork）、自組織網(wǎng)絡(luò)[8]（Self-Organizing Network）等。
