A mesterséges neurális hálózatok (ANN) az emberi agy működéséhez hasonlóan funkcionáló számítási modellek. Az emberi gondolkodást tanulmányozva a kutatók felismerték, hogy a külvilág ingereit az érzékforrásokból az idegsejtek egy olyan bonyolult hálózaton továbbítják, melynek kereszteződéseiben lévő csomópontok a különböző összeköttetésekből érkező információt feldolgozzák és a feldolgozott értékeket számtalan további idegszálon keresztül újabb csomópontok felé továbbítják, míg el nem érik a kérdéses ingerre adandó válaszért felelős agyi egységeket. A számtalan részfeldolgozáson átesett inger által kiváltott válasz részben örökletes tényezőktől függ, részben pedig az egyén tapasztalatától, illetve a tanulástól. Bizonyos bemeneti hatásokra a rendszer 'behuzalozottan' (előre programozottan) működik, míg más bemeneti adatok esetén a válasz függ az egyén tapasztalataitól, korától, iskolai végzettségétől, stb.

A nem orvosi kutatások szempontjából az a lényeges, hogy ez a struktúra adaptive, azaz válaszával képes a bemeneti adatokhoz tanulással alkalmazkodni (Sárközy, 1998). Sematikusan a 10.1. ábrán tanulmányozhatjuk egy több bemeneti réteggel rendelkező ANN szerkezetét.

10.1. ábra - ANN szerkezete

Az ANN-ek alkalmazása két lépésből tevődik össze. Az első fázis a tanítás, amelyhez egy bemeneti és a hozzá tartozó kimeneti adatbázist használunk. A tanítás olyan iteratív eljárás, melynek során a hálózat által számított eredmények fokozatosan megközelítik a kívánt, valós értékeket. Az eljárás ereményeként nyert “tanított hálózat” alkalmazásával a szimulációs fázisban új bemeneti adatok felhasználásával kapjuk meg az outputokat.

A neurális hálózatok alkalmazása több lépésben történik:

1. Hálózat szerkezetének megtervezése (rétegszám, neuronok száma, aktivációs függvény típusának megválasztása)

2. Tanító és tesztadatok kiválasztása

3. Hálózat tanítása

4. Tesztelés

5. Szimuláció

6. Validáció