Les réseaux neuronaux artificiels constituent une tentative de modélisation des réseaux de neurones biologiques d’où émergent les associations implicites du cerveau. Selon les experts en IA, transposer leur structure dans des systèmes informatiques permettrait aux programmes d’acquérir par eux-mêmes des connaissances implicites. Une bonne compréhension du fonctionnement des neurones biologiques permet de mieux saisir celle de leurs analogues informatiques.

Un neurone biologique est une cellule nerveuse constituant notamment l’élément de base du cerveau. Il comprend à sa base une structure formée de ramifications, les dendrites, qui reçoivent des signaux électriques en provenance d’autres neurones. Le cône d’implantation, situé à la base du corps cellulaire, fait la somme des excitations reçues. Quand celle-ci dépasse un certain seuil, le neurone produit à son tour un influx nerveux qui excite d’autres neurones en traversant l’axone et les ramifications terminales. Le cas échéant, aucun influx ne sera produit. De plus, la fréquence d’envois d’influx nerveux par un neurone dépend de la somme des excitations reçues : plus cette dernière est élevée, plus la fréquence est grande. Ces structures à la base du neurone peuvent être modélisées sous la forme de neurones artificiels.

Un neurone artificiel, quant à lui, reçoit des signaux d’entrée ai provenant d’autres neurones artificiels. Ceux-ci se comparent aux influx nerveux des neurones biologiques. La force de la connexion entre le neurone qui envoie le signal et celui qui le reçoit se nomme le poids réel noté wi,j. Le neurone artificiel receveur applique une fonction mathématique, la fonction d’entrée, qui fait la somme des signaux d’entrée multipliés par leur poids ∑_(i=0)^n▒"wi,jai" . Cette fonction joue un rôle semblable à celui du cône d’implantation des neurones biologiques qui additionnent les influx nerveux. Le résultat obtenu par l’application de cette fonction se nomme activation réelle. Celui-ci est par