从函数上来看，神经网络是回归方程的级联叠加，是一种用来逼近目标函数的模型。
一个有向拓扑，每层有若干节点，节点间有边，边上有权值。
输入层
隐藏层：多层；后层是前层各节点值的线性组合的函数，即Y=f(x0+w1x1+w2x2+...+wnxn)，线性组合的系数就是边的权值，为免计算量复杂，规定最多只能对线性组合做一次非线性变换，如Sigmoid函数等；
输出层：对于一次输入，输出层各节点都有一个值，把模式归为输出点值大的那一类
设计神经网络通常要做的就是设计网络有几层、每层有几个节点、以及节点间边的权值，权值通过神经网络训练调整得到。
原文：http://www.cnblogs.com/z-sm/p/5027794.html