شبکه عصبی یک شبکه یا مدار از سلول‌های عصبی، یا به تعبیر امروزی یک شبکه عصبی مصنوعی است که از نورون های مصنوعی یا گره ها تشکیل شده. بنابراین یک شبکه عصبی یا یک شبکه عصبی زیست شناختی است که از نورون های زیستی واقعی تشکیل شده، یا یک شبکه عصبی مصنوعی برای حل مسائل هوش مصنوعی (AI) است. اتصالات نورون‌های زیستی به‌صورت وزنی مدل می‌شوند. وزن مثبت نشانگر یک ارتباط تحریکی است، در حالی که مقادیر منفی به معنی اتصالات بازدارنده می‌باشند. تمام ورودی ها با یک وزن تغییر یافته و جمع می‌شوند. عمل مذکور همان ترکیب خطی در ریاضیات است. سرانجام، یک تابع فعال سازی، دامنه خروجی را کنترل می‌کند. به عنوان مثال، محدوده قابل قبول خروجی معمولاً ممکن است بین ۰ تا ۱، یا بین ۱- و ۱ باشد. این شبکه‌های مصنوعی ممکن است در مدل سازی پیش بینی کننده، کنترل تطبیقی و برنامه هایی مورد استفاده قرار گیرند که بتوان آنها را از طریق یک مجموعه داده ای مورد آموزش قرار داد. در شبکه ها، خودآموزی ناشی از تجربه می‌تواند به وجود آید، که آن را هم می‌توان از مجموعه اطلاعات پیچیده و به ظاهر غیر مرتبط بدست آورد.
کاربردهای شبکه های عصبی:
- دسته بندی
- تخمین توابع
- شناسایی سیستم
روش های متداول در دسته بندی:
- شبکه های عصبی: RBF ـ MLP ـ SVM
- روش های پارامتری: ML ـ MAP
روش های متداول در آموزش شبکه MLP :
- پس انتشار خطا
- کمترین مربعات خطا
- ارائه روش لونبرگ مارکوات
- روش های نیوتنی
- و …
در تمام روش های فوق معیار آموزش وزن ها با معیار دسته بندی متفاوت است.