Jedes Neuron erhält Eingaben, verarbeitet sie und gibt dann eine Ausgabe weiter, die an andere Neuronen weitergeleitet werden kann. Die Verbindungen zwischen den Neuronen werden als Gewichte bezeichnet und können angepasst werden, um das Verhalten des Netzwerks zu ändern. Das Netzwerk lernt, indem es wiederholt trainiert wird, um seine Fähigkeit zu verbessern, bestimmte Aufgaben auszuführen. Dies geschieht durch die Anpassung der Gewichte zwischen den Neuronen basierend auf der Menge der Trainingsdaten, die dem Netzwerk zur Verfügung stehen.
Neuronale Netze werden in vielen Anwendungen eingesetzt, wie z.B. Bilderkennung, Spracherkennung, Prognose, Robotik, künstliche Intelligenz und maschinelles Lernen. Sie haben in den letzten Jahren eine hohe Aufmerksamkeit erfahren und sind zu einem wichtigen Instrument für viele Branchen geworden.