- 非线性：非线性关系是自然界的普遍特性。大脑的智慧就是一种非线性现象。人工神经元处于激活或抑制两种不同的状态。这种行为在数学上表现为一种非线性。 　　神经网络的非线性映射信号处理方式是其鲁棒性的根本原因之一。 　　- 非局域性：一个神经网络通常由多个神经元广泛连接而成。一个系统的整体行为不仅取决于单个神经元的特征，而且可能主要由单元之间的相互作用、相互连接所决定。通过单元之间的大量连接模拟大脑的非局域性。联想记忆是非局域性的典型例子。 　　人脑的非局域性非常显著。例如，人脑的（小范围）局部损伤通常不影响整个脑组织的正常工作。人工神经网络模型的非局域性是由神经元件广泛的连接权重---网络的分布式信息存储结构保证的。 　　- 非定常性：人工神经网络具有自适应、自组织、自学习能力。神经网络不但处理的信息有各种各样，而且在处理信息的同时，非线性动力系统本身也在不断变化。经常采用迭代过程描写动力系统的演化过程。 　　非定常性是人脑发育的一个重要特征。中国有句俗话：活到老学到老。人类脑神经细胞、神经网络是在不停地变化以适应外界环境的变化。同样，人工神经网络也同样具有这种功能，可以通过样本提示来模拟环境变换，使得系统能够学习、自适应、自组织。 　　- 非凸性：一个系统的演化方向，在一定条件下，将取决于某个特定的状态函数，如能量函数，它的极值相应于系统比较稳定的状态。非凸性是指这种函数有多个极值，故系统具有多个较稳定的平衡态，这将导致系统演化的多样性。 　　注意：神经网络的非凸性是有两重性质的。一方面，多个极点较单个极点使得系统有多个平衡点，可以减少学习过渡的影响，提高系统的容错能力。另一方面，有可能局部极小点引起的学习不收敛，或收敛到局部极小点使得系统达不到预想的效果，甚至于得到的是错误的结果。