Нейронные сети отражают поведение центральной нервной системы человека, передавая компьютерным приложениям шаблоны обучения и решая проблемы в области искусственного интеллекта, такие как процесс машинного обучения.

Нейронная сеть или моделируемая нейронная сеть — это связанный набор естественных или искусственных нейронов, которые используют математическую модель, позволяющую вычислять информацию. ANN (искусственная нейронная сеть) обычно является адаптивной системой, которая изменяет свою структуру в зависимости от внешней или внутренней информации, проходящей через сеть.

Искусственная нейронная сеть объединяет простые обрабатывающие элементы (нейроны), которые могут иллюстрировать глобальное поведение, управляемое связями между обрабатывающими компонентами и параметрами компонентов. Искусственные нейроны были впервые представлены в 1943 году Уорреном МакКаллохом, нейрофизиологом, и Уолтером Питтсом, логиком, которые сначала сотрудничали в Чикагском университете.

Одним из классических типов искусственных нейронных сетей является рекуррентная сеть Хопфилда.

Впервые концепцию нейронной сети предложил Алан Тьюринг в своей работе 1948 года «Интеллектуальные машины», в которой он назвал их «неорганизованными машинами типа B».

Искусственные визуальные сетевые модели заключаются в том, что их можно использовать для интерпретации функции от восприятия и выполнения соответствующих действий. Неподконтрольные модели нейронных сетей могут использоваться для создания представлений входных данных, которые улавливают основные тенденции циркуляции входных данных, например, см. машину Больцмана (1983), а в последнее время — алгоритмы глубокого обучения, которые, по сути, могут выучить функцию распределения наблюдаемых данных. Обучение в нейронных сетях в основном эффективно в приложениях, где сложность данных или задачи делает проектирование таких функций вручную непрактичным. Подробнее см. в Википедии