◆ 它试图将一些简单的、大量的计算单元连接在一起，形成网络来进行计算；而传统的计算模式则是只用一个计算单元来进行计算。所以实际上它是一种分布的、并行计算的概念，代替了原来集中的计算方法。这种结构化计算方式与大脑有点相像，它会不会比原来计算方式快，或者比原来的更好？所有这些问题引起了业界人士的强烈兴趣，大家希望它能够给计算寄科学研究带来新的曙光。 　　◆ 它与传统计算方式的不同还体现在模型的建立方面。传统的计算方法，包括人工智能方法、数学模型计算，是采用从上到下的方法。例如，对一个问题，系统对它进行全面分析，然后再全面分解，最后为它建立一个计算模型，这个模型可能是数学的，可能是物理的，也可能是推理的、逻辑的。而在神经元网络中，系统通过采集数据并进行学习的方法来建立数据模型，即我们为系统提供样本，系统靠样本不断学习，在此基础上建立计算模型，从而建立网络结构。我们可以看到，后一种方法需要的经验知识比较少，即我们可以对这个问题不大了解，不知道它的规律，只要有数据就可以对它进行训练，建立计算模型，并希望从中得出计算结果。从这一角度来看，原来不能算的事，人们说不清楚的事，现在好像能算了。综合地说，其特点是适应性强，并行速度快，对经验知识的要求少。