經網絡：神經網絡是現代人工智能的最重要的分支，討論神經網絡的理論基礎，算法設計與開發，工程應用，代碼展示與交流；
人工智能是對信息進行智能化處理的一種模式，主要有兩種處理方式[9]：

3.7.1專家系統分詞法

從仿真人腦的功能出發，將分詞過程看作是知識推理的過程，構造推理網絡，將分詞所需的漢語詞法、句法、語義知識分離出來，把知識表示、知識庫結構與維護作為考慮的中心。知識分為：常識性知識，采用“語義網絡”表示；啟發性知識，采用“產生式規則”表示。專家系統優點是知識庫易于維護和管理，但對外界的信息變化不敏感。

3.7.2神經網絡分詞法

模擬人腦的運行，分布處理，建立計算模型，將分詞知識分散、隱式地存入神經網絡內部，通過學習和訓練改變內部的權值，以達到正確的分詞效果。該分詞方法的關鍵，在于知識庫的組織和網絡推理規則的建立。神經網絡分詞法具有對外界變化敏感、反應迅速，且具有自學、自組織的能力；缺點在于對已有知識維護更新困難，網絡模型表達復雜，訓練時間長。

3.7.3 神經網絡專家系統分詞法

神經網絡專家系統分詞法是將神經網絡分詞法與專家系統分詞法結合起來的一種方法。即利用了專家系統知識顯式表達的優勢，又利用神經網絡自學、自組織的特點，這是基于人工智能的分詞方法一種有益的嘗試。采用包括專家系統和神經網絡在內的人工智能技術來研究漢語自動分詞與其它方法有明顯不同。本質上講，它是一種對人腦思維方式的模擬，試圖用數字模型來逼近人們對語言認識的過程。

在漢語自動分詞研究中，應用專家系統的時間比較短，引入神經網絡技術的研究才剛剛起步，存在許多有待進一步解決的問題。專家系統的缺點是不能從經驗中學習，當知識庫龐大時難以維護，要進行多歧義字段切分時耗時較長，同時在知識表示、知識獲取和知識驗證等方面存在一些問題。將人工神經網絡技術引入漢語分詞系統中，也需要從多個角度去全面考慮。一方面，神經網絡具有很多優點，如聯想、容錯、記憶、自適應、自學習和處理復雜多模式等；另一方面，神經網絡的網絡連接模型表達復雜，訓練過程較長，不能對自身的推理方法進行解釋，對未在訓練樣本中出現過的新詞匯不能給予正確切分。

神經網絡專家系統（NNES）是以人工神經網絡為核心建造的一種集成式智能系統，它不僅可以實現專家系統的基本功能，模仿人類專家的邏輯思維方式進行推理決策和問題求解；還具有學習能力、自適應能力、并行推理和聯想記憶能力。

聯接主義（神經網絡學派）：1988年美國權威機構指出：數據庫，網絡發展呈直線上
升，神經網絡可能是解決人工智能的唯一途徑。關于神經網絡學派，現在很多還是在發展
階段。
人工智能是對人類智能的一種模擬和擴展，其核心是思維模擬
人工智能致力于用計算機語言描述人的智能，并用
計算機加以實現。兩者的共同點在于用計算機程序語言刻劃人類智能
。然而，它們也存在一個重要的區別。人工智能試圖且已經給計算機
施加了一個模擬人類智能的程序，該程序包括知道這個系統本身的過
程，然后給系統以一定任務，它就會產生行為。這說明人工智能是確
實的、得到證實的。而認知心理學，還不能肯定信息加工過程是人類
智能的唯一心理原因，就連此信息加工過程本身也沒有直接的明確證
據。認知心理學只能從行為去推斷心智用什么程序來造成行為，帶有
很大假說性。
人工神經網絡是在研究人腦的奧秘中得到啟發，試圖用大量的處理單元（人工神經元、處理元件、電子元件等）模仿人腦神經系統工程結構和工作機理。

在人工神經網絡中，信息的處理是由神經元之間的相互作用來實現的，知識與信息的存儲表現為網絡元件互連間分布式的物理聯系，網絡的學習和識別取決于和神經元連接權值的動態演化過程。