神经网络通过组合多个非线性的感知机模型来实现非线性关系的划分。正确答案是C。

专业分析：

1. **神经网络的基本结构**：神经网络由多个层组成，包括输入层、隐藏层和输出层。每一层由若干个神经元（或节点）组成，这些神经元通过权重连接。

2. **非线性激活函数**：每个神经元通常会应用一个非线性激活函数（如ReLU、sigmoid、tanh等），这使得神经网络能够学习和表示复杂的非线性关系。

3. **组合多个非线性模型**：通过多个层的堆叠和非线性激活函数的应用，神经网络可以被视为多个非线性模型的组合。每一层的输出可以看作是对输入数据的一种非线性变换，经过多层的组合后，神经网络能够逼近任意复杂的非线性函数。

4. **叠加效果**：虽然选项D提到了“多个线性可分模型进行叠加”，但实际上，神经网络的强大之处在于它们通过非线性激活函数的使用，使得这些线性模型（即每一层的线性变换）能够组合成一个整体的非线性模型。

因此，神经网络主要通过选项C中提到的方式来实现对非线性关系的划分。