Neural Network (เครือข่ายประสาท) คือลำดับของอัลกอริทึมที่พยายามระบุความสัมพันธ์พื้นฐานในชุดข้อมูล ผ่านกระบวนการที่เลียนแบบวิธีที่สมองมนุษย์ทำงาน ในวิธีนี้ Neural Networks นิยามระบบของนิวรอน ไม่ว่าจะเป็นอินทรีย์หรือเทียม
Neural Networks เป็นเทคนิควิเคราะห์ที่สร้างแบบจำลองตามกระบวนการเรียนรู้ในระบบปัญญา (Cognitive System) และฟังก์ชันทางประสาทของสมองที่ถูกสมมติ และสามารถทำนายการสังเกตใหม่ (บนตัวแปรเฉพาะ) จากการสังเกตอื่นๆ หลังดำเนินกระบวนการที่เรียกว่า Learning จากข้อมูลที่มีอยู่ Neural Networks เป็นหนึ่งในเทคนิค Data Mining
Neural Networks เกี่ยวข้องในเกือบทุกสถานการณ์ที่มีความสัมพันธ์ระหว่างตัวแปรพยากรณ์ (Predictor Variables / Independents / Inputs) และตัวแปรที่ทำนาย (Predicted Variables / Dependents / Outputs) อยู่ แม้ว่าความสัมพันธ์นั้นจะซับซ้อนและไม่ง่ายที่จะอธิบายในทั่วไปของ "Correlations" หรือ "ความแตกต่างระหว่างกลุ่ม"
Neural Network เป็นเครือข่ายของนิวรอนจำลอง (Simulated Neurons) ที่ใช้ระบุอินสแตนซ์ของรูปแบบ (Patterns) Neural Networks เรียนรู้โดยการค้นหาผ่านพื้นที่ของน้ำหนักเครือข่าย (Network Weights)
Neural Network เป็นชุดของหน่วย Input/Output ที่เชื่อมโยงกัน โดยแต่ละลิงก์มีน้ำหนัก (Weight) เกี่ยวข้อง ระหว่างกระบวนการเรียนรู้ เครือข่ายเรียนรู้โดยปรับน้ำหนัก เพื่อสามารถทำนายป้ายกำกับคลาสที่ถูกต้องของตัวอย่างนำเข้า NN Learning ยังเรียกว่า Connection Learning เนื่องจากการเชื่อมต่อระหว่างหน่วย
Neural Networks ต้องการรายการฝึกอบรม (Training Items) ยาว พวกเขาถูกตรวจสอบเรื่อง Interpretability (การตีความ) ที่ต่ำ เพราะซับซ้อนที่จะตีความความหมายสัญลักษณ์ (Symbolic Meaning) หลังการเรียนรู้น้ำหนัก คุณลักษณะเหล่านี้ทำให้ Neural Networks น่าสนใจน้อยกว่าสำหรับ Data Mining ในตอนแรก
อย่างไรก็ตาม Neural Networks มีความทนทานสูงต่อข้อมูลที่มีสัญญาณรบกวน (Noisy Data) และความสามารถในการจัดประเภทรูปแบบที่ไม่ได้ฝึกอบรมมาก่อน มีอัลกอริทึมหลายตัวพัฒนาสำหรับการแยกกฎ (Rule Extraction) จาก Neural Networks ที่ฝึกอบรมแล้ว ปัจจัยเหล่านี้ช่วยให้ Neural Networks สะดวกสบายสำหรับ Classification ใน Data Mining
ในวิศวกรรม Neural Networks ให้ 2 ฟังก์ชันสำคัญ: Pattern Classifiers และ Non-linear Adaptive Filters Artificial Neural Network (ANN) เป็นระบบที่ยืดหยุ่น มักเป็น Non-linear ที่เรียนรู้ทำฟังก์ชัน (Input/Output Map) จากข้อมูล Adaptive หมายถึงพารามิเตอร์ระบบเปลี่ยนแปลงระหว่างการดำเนินงาน โดยทั่วไปรู้จักในขั้นตอนการฝึกอบรม (Training Phase)
หลัง Training Phase พารามิเตอร์ ANN คงที่ และระบบตั้งค่าเพื่อแก้ปัญหาที่มีอยู่ (Testing Phase) ANN พัฒนาด้วยขั้นตอนขั้นตอนอย่างเป็นระบบเพื่อเพิ่มประสิทธิภาพการทดสอบ หรือปฏิบัติตามข้อจำกัดภายในโดยนัย ซึ่งโดยทั่วไปเรียกว่า Learning Rule
