Архітектура нейронної мережі визначає загальні принципи її побудови (плоскошарова, повнозв'язкова, слабозв'язкова, прямого поширення, рекурентна і т.д. д.). Конфігурація конкретизує структуру мережі у межах заданої архітектури: число нейронів, число входів і виходів мережі, використовувані активаційні функції.
Типи навчання Нейросети, в відмінність від інших алгоритмів ІІ, не програмуються виконання конкретних завдань, а просто налаштовуються вивчення інформації. Стратегія навчання нейронних мереж базується на трьох методах: Контрольоване навчання.
Серед основних сфер застосування нейронних мереж – Прогнозування, прийняття рішень, розпізнавання образів, оптимізація, аналіз даних. Нейросети лежать в основі більшості сучасних систем розпізнавання та синтезу мови, а також розпізнавання та обробки зображень.
"Нейронні мережі — один із напрямків у розробці систем штучного інтелекту. Ідея полягає в тому, щоб максимально близько змоделювати роботу людської нервової системи – а саме, її здатності до навчання та виправлення помилок.