شبکه عصبی مصنوعی مدلی محاسباتی است که از لایه‌هایی از واحدهای پردازشی و اتصال‌های وزن‌دار میان آن‌ها تشکیل می‌شود. هر لایه ورودی را تبدیل می‌کند و خروجی را به لایه بعد می‌فرستد تا مدل بتواند الگوهای داده را بیاموزد.
شبکه‌ها با تنظیم وزن‌ها بر اساس تابع خطا آموزش می‌بینند. شباهت آن‌ها به مغز بیشتر الهام‌بخش تاریخی است و نباید سازوکار شبکه عصبی مصنوعی را معادل عملکرد مغز انسان دانست.
در تشخیص تصویر، لایه‌های ابتدایی می‌توانند لبه‌ها را شناسایی کنند و لایه‌های عمیق‌تر ترکیب‌های پیچیده‌تر را یاد بگیرند. اندازه مدل، داده آموزش و انتخاب تابع خطا روی نتیجه اثر می‌گذارند.
درک تفاوت این موضوع با یادگیری عمیق و شبکه عصبی مصنوعی به انتخاب راهکار مناسب‌تر کمک می‌کند.