Mạng nơ-ron là chuỗi thuật toán cố gắng nhận diện mối quan hệ cơ bản trong tập bản ghi thông qua quá trình mô phỏng cách não bộ con người hoạt động. Trong phương pháp này, mạng nơ-ron định nghĩa hệ thống nơ-ron, hữu cơ hoặc nhân tạo.
Mạng nơ-ron là kỹ thuật phân tích mô hình hóa theo quá trình học tập giả định trong hệ thống nhận thức và chức năng thần kinh của não bộ, có khả năng dự đoán quan sát mới (trên biến cụ thể) từ quan sát khác sau quá trình gọi là học từ thông tin hiện có. Mạng nơ-ron là một trong các kỹ thuật Khai Thác Dữ Liệu.
Giai đoạn đầu: thiết kế kiến trúc mạng cụ thể (số lớp xác định, mỗi lớp số nơ-ron xác định). Kích thước và cấu trúc mạng phải phù hợp bản chất (phức tạp hình thức) của hiện tượng điều tra. Vì hiện tượng này không biết rõ ở giai đoạn đầu, nhiệm vụ không dễ và thường liên quan nhiều "thử và sai".
Mạng mới sau đó trải qua quá trình "huấn luyện". Ở giai đoạn này, nơ-ron áp dụng quá trình lặp cho số đầu vào (biến) để điều chỉnh trọng số mạng để dự đoán tối ưu (theo thuật ngữ truyền thống: tìm "fit") dữ liệu mẫu mà "huấn luyện" được thực hiện. Sau giai đoạn học từ tập dữ liệu hiện có, mạng mới sẵn sàng và dùng để tạo dự đoán.
Mạng nơ-ron thấy sự bùng nổ quan tâm recent vài năm, và được áp dụng thành công trên phạm vi vấn đề phi thường, lĩnh vực đa dạng như tài chính, y tế, kỹ thuật, địa chất, vật lý. Hai yếu tố của mạng nơ-ron:
Sức Mạnh (Power) − Mạng nơ-ron là kỹ thuật mô hình hóa tinh vi đủ mô hình hóa hàm cực kỳ phức tạp. Đặc biệt, mạng nơ-ron phi tuyến tính. Nhiều năm mô hình hóa tuyến tính là phương pháp phổ biến nhất vì mô hình tuyến tính có chiến lược tối ưu hóa nổi tiếng.
Dễ Sử Dụng (Ease of use) − Mạng nơ-ron học bằng ví dụ. Người dùng thu thập dữ liệu đại diện và gọi thuật toán huấn luyện để tự động học cấu trúc dữ liệu.
Mặc dù người dùng cần kiến thức heuristic về cách chọn và chuẩn bị bản ghi, chọn mạng nơ-ron phù hợp, và thực thi kết quả, mức kiến thức cần để dùng thành công mạng nơ-ron thấp hơn nhiều so với dùng (ví dụ) phương pháp thống kê phi tuyến tính truyền thống hơn.