低谷阶段

创造人工智能的Minkey和Papert，从数学角度出发，对感知器进行深入研究，指出感知器功能的局限性，认为感知器只能适用于简单的线性问题，不能有效地应用于多学科领域。在1969年出版的《Perceptron》一书，提出了感知机不能实现复杂的逻辑功能，从而否定这种模型，进而进入人工神经网络的低谷阶段。在这段人工神经网络的低谷期，大多数人选择了放弃对其继续研究。波士顿大学的S.Grossberg教授没有放弃，他基于生理心理学的经验，致力于神经网络研究，提出自适应共振理论(ART)。还有赫尔辛基大学的Kohonen教授，孜孜不倦，不轻言说放弃，通过了一系列的试验和研究分析，最终提出了自组织特征映射模型(SMOF)，为神经网络的发展添砖加瓦。

复苏阶段

到了1980年左右，基于社会的背景和进步程度，人工神经网络才得以复苏和发展，一跃来到了第二次研究热潮。 在1982年的时候，就职于美国加州理工学院的一位物理学家Hopfield通过多次实验分析，最终提出了HNN模型，主要是通过引入计算“能量函数”，在进行分析动态函数，从而得出网络稳定性的判断依据，达到了模拟了人脑的神经网络模型的效果。