Le reti neurali artificiali, o Artificial Neural Networks (ANN), sono particolari strutture matematiche che elaborano informazioni tramite operazioni computazionali parallele.

Per il loro particolare meccanismo di funzionamento esse permettono di ricavare delle regole approssimative ma efficaci per risolvere problemi di soluzione non lineare.

Sono utilizzate,infatti,in molte discipline scientifiche, per eseguire quei compiti per cui non sono disponibili modelli analitico-matematici o tali modelli, se esistono, presentano una complessità eccessiva che li rende inutilizzabili.

Esse non offrono la soluzione del problema in termini di procedure sequenziali o formule matematiche,si basano infatti su una filosofia di calcolo distribuito, modellandosi in modo tale da riconoscere e categorizzare certi tipi di input.

Le reti neurali artificiali usano un numero di coefficienti notevolmente maggiore di quelli in realtà necessari, ma proprio per questo risultano essere estremamente flessibili e adattibili.

Fra i loro punti di forza si possono elencare la semplicità con cui formano categorie o generalizzazioni, una ragionevole congruenza di funzionamento anche in situazioni nuove e inattese, l'abilità ad estrapolare una regolarità o un significato a partire da insiemi di dati estremamente complessi e rumorosi.

Tali proprietà sono rese possibili dal particolare modello su cui i dati vengono elaborati in parallelo: in particolare la capacità di categorizzare o riconoscere particolari input è determinata dai pesi sinaptici, vettori matematici che regolano l'intensità di trasmissione dell'impulso tra un nodo ed un altro.