人工神经网络简称神经网络或类神经网络，在机器学习和认知科学领域，是一种模仿生物神经网络的机构（尤其是动物的大脑），通过数学模型或计算模型对函数进行估计或近似。神经网络全称人工神经网络（ArtificialNeuralNetwork,ANN），与之相对应的是生物神经网络（BiologicalNeuralNetwork,BNN），将模拟生物神经网络的数学模型统称为人工神经网络模型。
人工神经网络简称神经网络或类神经网络，在机器学习和认知科学领域，是一种模仿生物神经网络的机构（尤其是动物的大脑），通过数学模型或计算模型对函数进行估计或近似。举个例子：当我们要买芒果的时候，并不知道什么样的芒果才好吃，那么只有将所有的芒果都尝一遍之后，才会总结出个头大、颜色深、黄色的芒果比较好吃。机器的学习也是一样的，让机器“尝”一遍所有的“芒果”，让机器去总结一套规律（比如：个头大、颜色深、黄色）这就是机器学习。
操作如下：人描述给机器每个“芒果”的特征（比如：颜色、大小，软、硬等等），让机器尝试一下“芒果”是否好吃、味道如何并将结果输出，慢慢的机器就会总结出一套识别“芒果”好不好吃的规则。生物神经结构生物的神经元细胞的结构很简单，中间一只球形的细胞体，一头有许多细小而密集的神经纤维分支（树突）用来接收其他神经元传递过来的信号；另一头是一根长长的凸起纤维（轴突）用来将自己的信号传给其他的神经元。
轴突的末端会分出许多树杈，连接其他神经元的树突或轴突。大脑思考时，各个树突会接收到其他神经元细胞发出的电化学刺激脉冲，当这些脉冲叠加到一定程度时，神经元就会产生动作电位，动作电位沿着轴突的一个郎飞结跳到下一个郎飞结。这种电信号并不会随着距离衰减，因为每跳一次，郎飞结的电压门控通道就会打开一次，细胞膜内外带正电荷的钠钾离子通过钠钾泵交换后，膜电位就会发生变化，这样就可以完成下一跳。
人工神经网络在人工神经网络中，简单的人工节点称为神经元，连接在一起形成一个类似生物神经网络的网状结构。模型化后，每个节点对应多个输入，同时会产生多个输出，每个输入对应有不同的权重，通过大量数据训练这个模型后，模型就会形成一定的固定路线，也就如我们的电脑掌握了某项技能。人工神经网络相当于求一道数学题，在大量输入项的情况下求所有连接上的权重值，使得对于输入进过各层节点的权重运算后能近似接近我们需要的期望值。
