Neuronnät beskriver vad det ”ser” under en promenad

Ett neuronnät (rekommenderad term enligt Svenska datatermgruppen) eller neuralt nätverk är en signalflödesmodell av hjärnor och andra nervsystem. Begreppet kan även åsyfta artificiella neuronnät (ANN), som är ett samlingsnamn på ett antal självlärande algoritmer för informationsbehandling som försöker efterlikna funktionen i biologiska neuronnät. Algoritmer som emulerar neuronnät kan ofta klara problem som är svåra att lösa med konventionella datalogiska metoder. Exempel på tillämpningar är: informationsutvinning (data mining), mönsterigenkänning, signalbehandling, reglerteknik, datorspel, prognoser, självorganisering, icke-linjär optimering, optimeringsproblem med många bivillkor, exempelvis schemaläggning. Precis som den mänskliga hjärnan måste neuronnät tränas innan de kan användas. De flesta neuronnät arbetar därför i två faser, först en inlärningsfas där nätet tränas på den uppgift som ska utföras, sedan följer en tillämpningsfas där nätet bara använder det som det har lärt sig. Det går också att låta nätet fortsätta att lära sig även när det används, men vanligen lämnas det som det är när det uppnått den precision som eftersträvades.