神经网络反映了人类中枢神经系统的行为，通过计算机应用学习模式，解决人工智能领域的问题，如机器学习过程。

神经网络或模拟神经网络是一组天然或人工神经元的链接，使用数学模型计算信息。 ANN（人工神经元网络）通常是一种自适应系统，可根据流经网络的外部或内部信息改变其结构。

人工神经网络将简单的处理元件（神经元）连接起来，可以说明全局行为，由处理元件和元件参数之间的联系控制。 人工神经元于 1943 年由神经生理学家沃伦-麦库洛克（Warren McCulloch）和逻辑学家沃尔特-皮茨（Walter Pitts）首次提出。

递归 Hopfield 网络是人工神经网络的一个经典类型。

阿兰-图灵在 1948 年发表的论文《智能机械》中首次提出了神经网络的概念，并将其称为 “B 型无组织机器”。

人工视觉网络模型的优势在于，它们可以用来解释感知的功能，并执行相关的操作。 无监督神经网络模型可用于教授输入的表征，以捕捉输入循环的显著趋势，例如，请参阅波尔兹曼机（1983 年），以及最近的深度学习算法，它基本上可以学习观察到的数据的分布函数。 神经网络学习主要适用于因数据或任务的复杂性而无法手工设计此类函数的应用领域。 更多信息请参见维基百科