人体大约含有1011个神经元，在它们高度的连接和运作中，人类完成了各种思考和运动。人体的某些神经结构是先天形成的，但其他一些则形成于后天实践。每一个神经元都可以看成是一个复杂的微处理器。通常来说，所有的生物神经功能，都存储在神经元及其连接上。比如学习是一个过程，是在神经元之间建立新的连接或者修改连接。生物神经元是极其复杂的，考虑的神经元不是生物神经元，而是对其进行简单的抽象，称其为人工神经元。人工神经元网络的功能没有人脑那么强大，但可对其加以模拟，用以实现某些有用的功能。　　本文研究的是一类离散时间双极人工神经网络模型的周期性。该人工神经元网络模型为正四面体，每个神经元位于正四面体的顶点，神经元之间用正四面体的边来连接，时间为离散的，前一刻时间，系统的行为取决于该系统的状态。神经元的状态变化用差分系统描述：（此处公式省略）权值矩阵和偏置由参数α和β决定。每个神经元的状态值由+1和-1表示。本研究的神经元为二维神经元，不同于以往的一维神经元，故分析过程更加复杂。根据参数将神经网络划分为36种情况，每种情况下长时间的动态行为分为三类：不动点、周期点和吸引盘。由于正四面体的对称性，故本文分为21类讨论。通过对参数和神经网络的分析，可以得到完整的周期性结论。