调控回授网络（Regulatory feedback networks）是利用负反馈来进行推理的类神经网络。回授不是为了最佳学习或是最佳训练的权重，是用来找到节点的最佳活化方式（optimal activation of nodes）。
详解调控回授网络（Regulatory feedback networks）是利用负反馈来进行推理的类神经网络。1回授不是为了最佳学习或是最佳训练的权重，是用来找到节点的最佳活化方式（optimal activation of nodes）。此作法的效果类似非参数统计，但和最近邻居法不同，调控回授网络在数学上已证明可以模拟前馈神经网络。
网络的起源及应用说起调控回授网络，就必须提到计算神经科学，那么什么是计算神经科学呢？
计算神经科学专注于生物学上合理的神经元（和神经系统）及其生理学和动力学的描述，因此它不关注生物学上不切实际的学科，如连接主义，机器学习，人工神经网络，人工智能和计算学习理论。
理论上，计算神经科学将是理论神经科学的一个子领域，它采用计算机模拟来验证和解决数学模型。然而，由于在神经科学中制定的生物学上可信的数学模型在大多数情况下太复杂而无法通过分析解决，因此这两个术语基本上是同义词并且可互换使用。术语数学神经科学有时也用于强调该领域的定量性质。
在计算神经科学中制定的数学模型是有用的，因为它们在多个时空尺度上捕获生物系统的基本特征，从膜电流，蛋白质，化学耦合到网络振荡，柱状和地形结构以及学习和记忆。此外，这些计算模型构建了可以通过生物或心理实验直接测试的假设。
调控回授网络起源于解释脑部认知的模型，包括在感官认知中常常会出现网络范围的簇状发放以及因相似造成的因难。此作法在数学上可等效分类为前馈法，用作创建及修改网络的工具。
本词条内容贡献者为:
杨晓红 - 副教授 - 西南大学