在電腦科技發展初期，科學家便會經提出類似人類腦神經架構型態的電腦觀念。類神
經綱就是模仿人類腦神經系統的架構以及處理資訊的運作方式所發展出來的組織。科
學家們深信，人類思考的功能是由於無數的神經元之間的群體作用所致。類神經綱路
是希望利用硬體技術來模擬人類腦神經系統的運作，在類神經綱路運作之前，一定先
有一組任意賦予的加權值，當榆入信號送入系統時，輸入層上的處理單元便將與它相
連接的所有處理單元上的輸出值乘上加權值，經由轉換函數運算後，產生輸出信號。
類神經綱路中，最基本的動作就是學習。幾乎所有的類神經綱路都具備有學習的能力
。而且類神經綱路的運算模式具有分散、隨機、並行、非同步以及主動元件的特徵。
然而，對於單層辨識器而言，無論我們使用何種學習演算法則、如何設定初始加權值
或是如何選用收斂參數，單層辨識器都無法解決XOR 的問題。然而，如果加上一層隱
藏單位，便可以解決此種問題。
本研究的主旨在探討可以使類神經綱路學習成功的架構和所需加入的隱藏單元個數。
本研究中，我們使用簡易的數學方式來求得隱藏單元個數之一般式。亦即，如果有m
個位元的輸入節點，我們只需要加入 –m–1個隱藏單元, 便可以學習成功。由軟、
硬體模擬結果證實比一公式的確可以使得學習成功率達到100％。
最後，根據研究結果，我們歸納結論並提出進一步研究之建議。