人工神经网络（ANN）是基于生物神经网络的结构和功能的计算模型。流经网络的信息会影响人工神经网络的结构，因为神经网络会在某种意义上根据输入和输出进行更改或学习。
人工神经网络被认为是非线性统计数据建模工具，其中输入和输出之间的复杂关系被建模或找到模式。
ANN也被称为神经网络。
解释人工神经网络（ANN）人工神经网络有几个优点，但其中最受认可的一个优点是它实际上可以从观察数据集中学习。通过这种方式，ANN被用作随机函数逼近工具。这些类型的工具有助于估算最具成本效益和理想的方法，以便在定义计算功能或分布时获得解决方案。ANN采用数据样本而非整个数据集来获得解决方案，从而节省时间和金钱。ANN被认为是用于增强现有数据分析技术的相当简单的数学模型。
人工神经网络有三层相互连接。第一层由输入神经元组成。那些神经元将数据发送到第二层，第二层又将输出神经元发送到第三层。
训练人工神经网络涉及从允许的模型中进行选择，其中存在若干相关算法。
,
