일반적을 말하는 (인공) 신경망은 컴퓨터가 사람의 학습 기능을 갖게 하기 위해 고안되었다. 학습의 기능을 갖는 사람의 두뇌는 다수의 뉴런이 서로 연결된 신경망으로 구성되어 있다.

신경망은 이러한 생물학적 신경망에서 아이디어를 얻어 그래프 형태와 수학적 알고리즘으로 모델링하였다. 신경망은 생물학적 뉴런을 모델링한 유닛(unit)들과 그 유닛 사이의 가중치 연결
(weighted-connection)들로 이루어지며 각 신경망 모델에 따라 다양한 구조와 각기 독특한 학습
규칙을 갖는다.

각 NN은 계층별로 그룹화된 뉴런들의 집합으로 구성되어 있다. 입력 (input), 중간 (hidden layer), 출력 (output)의 세 계층으로 이루어져 있으며, 입력과 출력계층 사이에는 여러 개의 계층이 존재하도록 할 수도 있다.

생물학적 뉴런들간의 정보전달에 있어 시냅스가 중요한 역할을 담당하고 있듯이, 처리요소들간의
연결강도(weight)를 반영하기 위해 신경회로망에서는 연결가중치를 사용하는데, 각 처리요소들은
전달받은 입력값과 연결가중치를 사용하여 입력값을 계산한 후 이를 이용하여 출력값을 결정한다.

신경망 기술의 가치는 불완전하고 잡음이 많은 입력의 해석뿐만 아니라 패턴인식(pattern recognition), 학습, 분류, 일반화, 추상화 등을 위한 활용성에 있다. 신경망은 DSS나 심지어 전문가시스템의 논리적이고 분석적인 기법을 활용해서도 시뮬레이션하기 어려운 인간의 문제해결의
지원할 수 있다. 예를 들어, 신경망은 규칙이 알려지지 않은 상황에서의 패턴과 특성을 발견하기
위하여 대량의 데이터를 분석할 수 있다. 신경망은 적절한 포트폴리오 믹스를 결정하기 위하여 주식변동을 측정하는 등의 재무적인 응용분야에도 유용하게 활용될 수 있다. 이러한 특징들은 전통적인 AI의 상징/논리적인 접근으로는 어려웠던 문제들을 극복할 수 있게 하고 있다.

신경망은 주어진 예제 패턴의 반복 학습을 통하여 스스로 지식을 획득하는 특성을 갖는다. 이러한 신경망은 패턴인식, 로보틱스, 문자인식, 음성인식, 의사결정 시스템, 진단 시스템 등 여러 분야에 유용하게 쓰이고 있다.