Одним из самым интересных свойств нейронов является способность к обучению. Но обучение процесс не простой, и нужен очень глубокий анализ для определения правильности обучения.
Алгоритмы обучение искусственной нейронной сети делятся на обучение с учителем, и без учителя. Обучение с учителем заключается в том, что вместе с входными сигналами подаются и выходные, после чего сеть рассчитывает свои выходные сигналы, и с помощью сравнения правильных выходов со своими происходит корректировка весов. Обучение происходит до того момента, пока ошибка не станет минимально-допустимой. К примеру нам нужно узнать, где можно купить по минимальной цене светильники в Киеве. Для этого выходным параметром должен быть массив с ценами в разных магазинах, после чего сеть сравнит наши результаты, со своими, и при использовании сети в действии, будет опираться на эти данные.
Обучение без учителя заключается в том, что правильного выходного сигнала не существует, а генерируется множество входов, и на основе статистических измерений, выходы объединяются в определённые группы.
На данный момент времени существует огромное множество алгоритмов обучения, в основе которых лежат классические алгоритмы. Много алгоритмов появились благодаря концепции Хэбба.