Trong bối cảnh hiện nay, khi mà các nghiên cứu đang chuyển sang hƣớng xây dựng các hệ thống thông minh, mạng nơron nổi lên nhƣ một giải pháp đầy hứa hẹn. Nó thể hiện những ƣu điểm nổi bật của mình so với các hệ thống khác ở khả năng mềm dẻo, linh hoạt và tính toán thô, đây cũng chính là những điểm khác biệt quan trọng giữa bộ óc con ngƣời với các máy thông minh nhân tạo. Nhƣng cũng chính vì thế mà nó đòi hỏi độ phức tạp rất cao trong thiết kế và cài đặt các hệ thống ứng dụng để có thể đạt đƣợc một tính năng tốt. Khả năng này sẽ đƣợc cải thiện không ngừng trong tƣơng lai cùng với sự phát triển của các mạch tích hợp phần cứng cỡ lớn và các bộ nhớ ngày càng lớn hơn cho các phần mềm máy tính. Chính vì vậy mà mạng nơron đƣợc coi là "kỹ thuật của thế kỷ 21".
Các nhà khoa học vẫn luôn tìm cách khám phá ra những quy tắc học và thuật toán học mới hiệu quả hơn. Một điều dễ nhận thấy là mặc dù mạng nơron mô phỏng trực tiếp bộ não con ngƣời về mặt cấu trúc và trong mục tiêu của quá trình học (điều chỉnh các trọng số synnapse) nhƣng các quy tắc học đƣợc đƣa ra vẫn
thuần túy mang tính toán học và chƣa thực sự là một sự bắt chƣớc về mặt thần kinh sinh học của quá trình học xảy ra trong bộ não ngƣời ...
Tóm lại, chúng ta có thể khẳng định một điều rằng mục tiêu tiến gần tới sự hoàn hảo của bộ máy nhận thức của con ngƣời vẫn là một thách thức rất lớn, song đối với một bộ môn lý thuyết mới nhƣ Lý thuyết mạng nơron, mà bản chất tƣơng tự thần kinh sinh hoc về cấu trúc cho chúng ta những "tia hy vọng" đáng lạc quan.
TÀI LIỆU THAM KHẢO
Tài liệu tham khảo tiếng Việt
1. Lƣơng Mạnh Bá, Nguyễn Thanh Thuỷ (1999), Nhập môn xử lý ảnh số, Nhà xuất bản Khoa học và kỹ thuật, Hà Nội.
2. Lê Bá Dũng (2011), Bài giảng Môn Mạng Nơron nhân tạo, Lớp Cao học KHMT K9A, Trƣờng Đại học Công nghệ thông tin và Truyền thông, ĐHTN.
3. Nguyễn Thị Thanh Tân (2005), Nhận dạng chữ viết tay hạn chế dựa trên mô hình mạng neuron kết hợp với thống kê ngữ cảnh, Luận văn thạc sỹ, ĐHQGHN.
Tài liệu tham khảo tiếng Anh
4. Artificial neural network – From Wikimedia, the free encyclopedia.
http://en.wikimedia.org/wiki/Artificial_neural_network
5. Anand Venkataraman, The Backpropagation Algorithm
http://www.speech.sri.com/people/anand/771/html/node37.html
6. Christos Stergiou and Dimitrios Siganos, Neural Network.
http://www.doc.ic.ac.uk/~nd/surprise_96/journal/vol4/cs11/report.html
7. Daniel T.Larose (2004), Discovering Knowledge in Data An Introduction to Data Mining, Wiley Interscience, United States of America.
8. Dave Anderson and George McNeill (1992), Artificial Neural Networks
Technology. Prepared by Rome Laboratory RL/C3C Griffiss AFB, NY 13441-5700, Kaman Sciences Corporation 258 Genesse Street Utica, New York 13502-4627.
9. Jeff Heaton (2005), Introduction to Neural Networks with Java, Heaton Research, Inc, United States of America.
10.Neural Network – From Wikimedia, the free encyclopedia.
http://en.wikimedia.org/wiki/Neural_network
11.Nikola K.kasabov (1998), Foundations of Neural Networks, Fuzzy Systems, and Knowledge Engineering, Massachusetts Institute of Technology, The MIT Press, United States of America.
12. R.M.Hristev (1998), The ANN Book, GNU public license.
13. Simon Haykin (1998), Neural Networks Comprehensive Foundation,
Second edition, Prentice Hall, Indian by Sai PrintoPack Pvt. Ltd.
14.Wang J., Jean J.S.N. (1993), Multi-Resolution Neural Network for Omnifont Charater Recognition, IEEE International Conference on Neural Network.