神经网络作为一种模拟生物神经系统结构的人工智能技术，能够从数据样本中自动地学习以前的经验而无需复杂的查询和表述过程，并能自动地逼近那些最佳刻画了样本数据规律的函数，揭示出数据样本中所蕴涵的非线性关系，而不论这些函数具有怎样的形式。简单的说，神经网络不用像计量那样建立具体的模型（有点类似于计量中的非参数），它的计算是通过隐层的“黑箱操作”来实现的。正是由于神经网络的这种非线性映射能力以及对任意函数的一致逼近性能，才日益被广泛应用。