一般认为神经网络包括两个大类：一是生物神经网络，二是人工神经网络。本例将侧重讨论人工神经网络。人工神经网络（artificial neural networks，ANN），是一种模仿生物神经网络（如动物的中枢神经系统，特别是大脑）结构和功能的数学模型或计算模型，用于对函数进行估计或近似。神经网络由大量的人工神经元联结进行计算，人工神经元通常被简单地建模成加权求和与非线性激活的层叠形式。在大多数情况下，人工神经网络能在外界激励的基础上改变内部结构，通过内部的结构建立函数关系，是一种具备“学习”能力的系统。神经网络是一种非线性统计性数据建模工具，通常通过基于数学统计学类型的学习方法（learning method）得以优化，也是数学统计学方法的一种实际应用。另一方面，在人工智能学的人工感知领域，通过统计学的方法使人工神经网络能够类似人一样具有简单的感知能力和决策能力，比起形式化的逻辑学推理演算更具鲁棒性、自适应性。