Obecnie pojęcie „sieć neuronowa” oznacza zwykle program instalowany w dowolnym komputerze.
Sztuczny neuron, to element programu, w którym są wykonywane bardzo proste obliczenia – przekształcenia pewnej liczby danych wejściowych () w jeden sygnał wyjściowy (). Wielkość sygnału wyjściowego jest zależna od sygnałów wejściowych, ich wag () oraz od funkcji „wejścia–wyjścia” (funkcja aktywacji), w najprostszym przypadku – funkcji liniowej:
= + ·
Trening sieci zbudowanej z takich neuronów umożliwia stworzenie neuronowych modeli złożonych obiektów i zjawisk, czyli ich prawidłowe rozpoznawanie na podstawie zbiorów różnorodnych cech (o różnej istotności, często nieprzewidywalnej). W czasie treningu do arkusza danych programu NN wprowadza się duży zbór informacji o wzorcach, dobrze reprezentujących obiekty, które ma rozpoznawać przygotowywana sieć, np.: zmienne objaśniające – zbiór mierzalnych cech wzorców, którymi dysponujemy (np. wyniki badań próbek krwi i moczu pacjentów, cechy odcisków palców z bazy danych policji) zmienne objaśniane – nazwy obiektów wzorcowych (np. nazwy chorób, nazwiska osób z policyjnej bazy danych) Sieć jest generowana metodą iteracyjną (prób i błędów).