«شبکه‌های عصبی مصنوعی» (Artificial Neural Networks) یا به‌زبان ساده‌تر «شبکه‌های عصبی» (Neural Networks) یک مدل ریاضی یا یک مدل کامپیوتری، محاسباتی است برای یادگیری ماشینی، نمایش دانش و در انتها اعمال دانش به‌دست آمده در جهت بیش‌بینی پاسخ‌های خروجی از سامانه‌های پیچیده که براساس «شبکه‌های عصبی زیستی» (Biological Neural Networks) هستند (شبکه‌های عصبی زیستی مانند: نورون‌های مغز و یا سیستم عصبی انسان)

در میان محققان هیچ تعریف دقیقی برای «شبکه‌های عصبی» جود ندارد اما بیش‌تر آن‌ها بر این نکته توافق دارند که شبکه‌های عصبی، شبکه‌ای هستند از واحدهای پردازشگر (نورون‌ها) که می‌تواند رفتار کُلیِ پیچیده‌ای را نمایش دهند.

عنصر کلیدی این مدل، ایجاد ساختارهایی جدید برای سامانه‌ي پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پردازشی فوق‌العاده به‌هم‌ پیوسته با نام نورون تشکیل شده که برای حل یک مسأله با هم هماهنگ عمل می‌کنند.

در واقع در این مدل ترکیبی است از گروهی از نورون‌های مصنوعی (Artificial Neurons) متصل به هم وجود دارند که در آن‌ها پردازش اطلاعات صورت می‌گیرد.

در بسیاری از موارد، «شبکه‌های عصبی مصنوعی» (ANN) سیستم سازگاری است که ساختار خود را براساس اطلاعات خارجی و یا داخلی‌اي تغییر می‌دهد که در مرحله‌ي یادگیری (Learning) در شبکه جریان دارند.

اگر بخواهیم کاربردی‌تر بحث کنیم، «شبکه‌های عصبی» ابزارهایی برای مدل کردن داده‌های آماری غیرخطی (Non-Linear statistical Data Modeling) هستند! در واقع آن‌ها می‌توانند برای مدل کردن روابط پیچیده میان ورودی‌ها و خروجی‌ها و یا برای پیداکردن الگو در داده‌ها استفاده شوند.

با استفاده از دانش برنامه‌نویسی رایانه می‌توان ساختمان داده‌ای طراحی کرد که همانند یک نورون عمل كند. سپس با ایجاد شبکه‌ای از این نورون‌های مصنوعی به‌هم‌پیوسته، ایجاد یک الگوریتم آموزشی برای شبکه و اعمال این الگوریتم به شبکه، آن را آموزش داد.

اگر یک شبکه را «هم‌ارز» با «یک گراف» بدانیم فرایند آموزش شبکه، تعیین كردن وزن هر یال خواهد بود.