Künstliche neuronale Netze (KNN), Artificial Neural Networks (ANN) oder Simulated Neural Networks (SNN), sind Computermodelle, die sich an der Denkweise des Menschen orientieren und die Informationsverarbeitung, die Speicherung der Informationen und den Lernprozess des menschlichen Gehirns nachbilden.
Neuronale Netze bilden bestimmte Fähigkeiten des Gehirns nach. So beispielsweise die Mustererkennung oder die Fähigkeit Entscheidungen und Fehler in Relation zu Daten zu betrachten. Ein neuronales Netz ist eine Art Software- Hardware-Modell des Gehirns in dem einfache Entscheidungen zu einem System verknüpft werden. Bei diesen Entscheidungen, bei denen keine lineare Beziehung zwischen Eingangs- und Ausgangsgrößen besteht, laufen komplexe Entscheidungsprozesse ab. Wobei die Eigenschaften der im menschlichen Gehirn vorkommenden Neuronen durch entsprechende Anordnung der einzelnen Netzknoten nachgebildet werden.
Neuronale Netze bestehen aus den Verbindungen aus voll- und teilvermaschten Neuronen. Die Ausgabe eines Neuron steht für die Eingabe des folgenden bis hin zur Ergebnisausgabe. Jedes Neuron innerhalb des neuronalen Netzes hat einen oder mehrere Eingaben und erzeugt daraus ein Arbeitsergebnis. Jede Eingabe wird mit einem Gewichtungsfaktor versehen, durch den die Eingabewerte der Neuronen modifiziert werden. Das Neuron manipuliert auf mathematischer Basis die Eingabe und das Ergebnis. Das Netzwerk lernt aus positiven und negativen Erfahrungen, wobei die Gewichtungsfaktoren durch menschliche Intervention oder durch vorgegebene Algorithmen die Ergebnisse näher an bekannte Ergebnisse heranführen. Dieses Wissen wird in den Zwischenverbindungen von den Neuronen gespeichert. Ein solches neuronales System hat eine gewisse Ähnlichkeit mit Kindern, die aus Erfahrungen und Übungen lernen.
Die entscheidenden Vorteile von neuronalen Netzen liegen darin, dass diese Netze lineare und nichtlineare Zusammenhänge interpretieren und darstellen können und dass sie diese Zusammenhänge unmittelbar von den zu modellierenden Daten lernen. Daher können neuronale Netze für prädiktive Systeme und Steuerungssysteme benutzt werden. Es kann bestimmte Aufgaben wesentlich effektiver verarbeiten als andere Rechnersysteme.
Neuronale Systeme bilden die Basis für Deep Learning und kommen in der Bildverarbeitung, in Expertensystemen, in der Gesichtserkennung, der Steuerungstechnik und in wissensbasierten Systemen sowie bei der Prozessoptimierung zum Einsatz.
Ein Convolutional Neural Network ( CNN) stellt eine besondere Form eines künstlichen neuronalen Netzes dar.