AMiner全新功能技术趋势分析Trend analysis（http://trend.aminer.cn）基于AMiner 2亿篇论文数据进行深入挖掘，包括对技术来源、热度、发展趋势进行研究，进而预测未来的技术前景。技术趋势分析描述了技术的出现、变迁和消亡的全过程，可以帮助研究人员理解领域的研究历史和现状，快速识别研究的前沿热点问题。
我们目前已发布了10期分析内容，具体如下：
神经网络（Neural Network）起源于 WarrenMcCulloch 和 Walter Pitts 于 1943 年首次建立的神经网络模型，他们在分析、总结神经元基本特性的基础上首先提出神经元的数学模型。此模型沿用至今，并且直接影响着这一领域研究的进展。神经网络可以指向两种，一种是生物神经网络，一种是人工神经网络。
下面我们将用Trend analysis分析神经网络领域内的研究热点。
下图是当前该领域的热点技术趋势分析，通过Trend analysis分析挖掘可以发现当前该领域的热点研究话题Top10有：
neural network
recurrent neural network
control systems
lyapunov function
quadratic programming
neural nets
artificial neural networks
linear matrix inequality
mathematical model
adaptive control
根据Trend analysis的分析我们可以发现，recurrent neural network是该领域内的热门话题之一。循环神经网络是一类以序列数据为输入，在序列的演进方向进行递归且所有节点（循环单元）按链式连接形成闭合回路的递归神经网络。对循环神经网络的研究始于二十世纪80-90年代，并在二十一世纪初发展为重要的深度学习算法。
Geoffrey Hinton是神经网络领域的代表学者。Geoffrey Hinton，被称为“神经网络之父”、“深度学习鼻祖”，他曾获得爱丁堡大学人工智能的博士学位，并且为多伦多大学的特聘教授。
在2012年，Hinton还获得了加拿大基廉奖(Killam Prizes，有“加拿大诺贝尔奖”之称的国家最高科学奖)。
2013年，Hinton 加入谷歌并带领一个AI团队，他将神经网络带入到研究与应用的热潮，将“深度学习”从边缘课题变成了谷歌等互联网巨头仰赖的核心技术，并将HintonBack Propagation(反向传播)算法应用到神经网络与深度学习。
在Hinton高中时，就有一个朋友告诉他，人脑的工作原理就像全息图一样。创建一个3D全息图，需要大量的记录入射光被物体多次反射的结果，然后将这些信息存储进一个庞大的数据库中。大脑储存信息的方式居然与全息图如此类似，大脑并非将记忆储存在一个特定的地方，而是在整个神经网络里传播。
Hinton为此深深的着迷。对Hinton来说，这是他人生的关键，也是他成功的起点。
目前神经网络已经被广泛应用到医疗、金融等领域，具体包括：疾病识别、人脸识别、股票和有价证券的预测分析、风险管理、信用评估等。
