人工神經網絡（Artificial Neural Network，ANN）是當今最重要的模式識別技術，隨著神經網絡理論的不斷發展，將會帶來模式識別技術的提高和突破，從而進一步推動模式識別技術在各行各業中的應用，推動社會的進步。因此，開展人工神經網絡在模式識別技術領域的研究和運用具有很大的潛力，同時也具有很大的魅力。
模式識別的任務是把模式正確地從特征空間映射至類空間，或者說是在特征空間中實現類的劃分。模式識別的難度與模式在特征空間中的分布狀況密切相關，假如特征空間中的任意兩個類可以用一個超平麵來區分，那麼該模式是線形可分的，這時的識別比較容易。但實際應用中，模式的分布往往是很不規則的，這就要求所用的分類器能夠在模式空間裏形成各種非線性分割平麵。其中，神經網絡是解決非線性平麵分割的較好方法。
利用神經網絡進行模式識別，首先需要根據具體模式識別問題，確定好使用的神經網絡；然後用一組分別代表不同類別的訓練樣本對神經網絡進行訓練，來修改神經網絡的權值和結構；最後用測試樣本對神經網絡測試其識別效果，如果達到實際要求的標準，就可以利用該神經網絡進行模式識別了，如果達不到，則仍需要重新進行訓練。