類神經網路 (Artificial Neural Network, ANN) 理論起源於 1950 年代，然而在 1969 年，由人工智慧大師Minsky所提出之理論。當時科學家仿造人類大腦的組織及運作方式，開始提出稱之為「感知機」（Perceptron）的神經元模型，這是最簡單也是最早的類神經模型，感知機通常被拿來做分類器（Classifier）使用。但是在1980年之前，由於專家系統 (expert system) 則是當時最流行的人工智慧基礎，加上類神經網路的理論仍不成熟，因此類神經網路並沒有受到很大的重視，一直到1980年代之後，由於霍普菲爾（Hopfield）神經網路 (1982年) 被提出，而此時專家系統開始遇到了瓶頸，類神經網路理論才逐漸受到重視。直到今日為止，類神經網路仍然有新的架構及理論不斷的被提出，配合電腦運算速度的增加，使得類神經網路的功能更為強大，運用層面也更為廣泛。
類神經網路由許多神經元節點所組成，這些神經元可分為輸入層、輸出層與許多隱藏層所組成的網路模型。結果的輸出只有是與否兩種狀態，傳統的類神經網路可以透過倒傳遞的方式進行模型的訓練，藉此獲得有效解決問題的神經網路模型。