人类大脑是一个由数十亿神经元构成的复杂系统，每一项新发现都揭示了新的奥秘。模仿人脑结构和功能的尝试催生了一个新的研究领域——深度学习。人工神经网络，也称为神经网络，是人工智能的一个组成部分。在过去几年中，这个领域经历了指数级的增长，从拼写检查、机器翻译到面部识别，它在现实世界中有着数百种应用。
人工神经网络旨在模仿人脑的神经网络，其结构与生物神经网络相似。人脑是一个由数十亿密集连接的神经元构成的网络，极其复杂、非线性，并拥有数万亿的突触。一个神经网络主要由树突、轴突、细胞体、突触、胞体和细胞核组成。树突负责接收来自其他神经元的输入，轴突负责从一个神经元向另一个神经元传递信号。
神经网络的分子和生物机制基于电化学信号。神经元只有在满足某些条件时才会产生电冲动。大脑的一些神经结构是与生俱来的，而其他部分则是通过学习发展起来的，尤其是在生命的早期阶段，以适应环境（新的输入）。
人工神经网络由层层相连的输入单元和输出单元组成，这些单元被称为神经元。单层神经网络被称为感知器。人工神经网络中也可能存在多个隐藏层。输入单元（感受器）、连接权重、求和函数、计算和输出单元（效应器）构成了一个人工神经元。
尽管神经元比硅逻辑门慢，但它们庞大的互联弥补了速度慢的不足。连接的权重值是指定神经元之间连接的强度。权重是随机初始化的，并通过优化算法进行调整，以将输入刺激的聚合映射到所需的输出函数。
神经网络的架构有许多类型，包括：感知器、前馈神经网络、多层感知器、卷积神经网络、径向基函数神经网络、递归神经网络、长短期记忆网络（LSTM）、序列到序列模型、模块化神经网络。学习算法可以是监督的、无监督的或强化方法。
如前所述，树突是传递电信号到细胞的神经纤维。从那里，细胞体接管计算输入的非线性函数。只有当接收到足够的输入时，细胞才会发射。轴突是单一的神经纤维，然后将函数的输出传递给其他神经元。
另一个神经元的树突接收输入，这个过程继续进行。一个神经元的轴突与另一个神经元的树突之间的接触点称为突触。它调节化学连接，其权重对细胞的输入有影响。每个神经元都有多个树突，因此可以从许多邻近的神经元接收输入。
每个神经元都有一个轴突，将输出作为输入传递给下一个神经元的树突。由于突触数量庞大，它们可以容忍数据中的模糊性。
人工神经网络的工作方式与它们的生物灵感相似。它们可以被视为加权有向图，其中神经元可以与节点相提并论，两个神经元之间的连接可以被视为加权边。神经元的处理元素接收许多信号（既来自其他神经元，也来自外部世界的输入信号）。