Под образами обычно понимаются такие объекты, как текст, изображение или звуки. Обучение сети состоит в том, чтобы научить сеть правильно классифицировать образы, с помощью исходных данных (образ + ответ). Сам образец должен быть представлен в виде вектора значений, и совокупность признаков должны указывать на определённый класс. При недостатке признаков, нейронная сеть может не правильно классифицировать образы. После окончания обучения, сеть должна принимать образы, и в ответ отдавать класс, к которому образ принадлежит. Только такой "рецепт" обучения сетей является правильным.
Архитектура таких сетей характерна тем, что количество классов соответствует количеству выходных нейронов. Когда в сеть передаётся новый образ, то один из выходов должен показать признак принадлежности образа к определённому классу, а другие выходы должны сообщать что образ не принадлежит посторонним классам. Если сеть определяет принадлежность к двум и более классам, то такая сеть называется "не уверенной" в ответе.