目前，神經網絡已有幾十種不同的模型。人們按不同的角度對神經網絡進行分類，通常可按5個原則進行神經網絡的歸類：
（1）按照網絡的結構區分，可分為前向網絡和反饋網絡；
（2）按照學習方式區分，可分為有教師學習和無教師學習網絡；
（3）按照網絡性能區分，可分為連續型和離散性網絡。隨機型和確定型網絡；
（4）按照突觸性質區分，可分為一階線性關聯網絡和高階非線性關聯網絡；
（5）按對生物神經係統的層次模擬區分，可分為神經元層次模型、組合式模型、網絡層次模型、智能型模型和神經係統層次模型。
通常，人們考慮較多的是神經網絡的互聯結構。一般而言，神經網絡有分層網絡、層內連接的分層網絡、互聯網絡、反饋連接的分層網絡等4種互連結構。在人們提出的幾十種神經網絡模型中，人們用得較多的是Hopfield網絡、Kohonen網絡、P網絡和AR（自適應共振理論）網絡。
（1）Hopfield網絡是最典型的反饋網絡模型，它是目前研究得最多的模型之一。Hopfield網絡是由非線性元件構成的全連接型單層反饋係統，它由相同的神經元構成，並且是不具學習功能的自聯想網絡，它需要對稱連接，這個網絡可以完成製約優化和聯想記憶等功能。
（2）Kohonen網絡是典型的競爭型神經網絡。它通常是由輸入層（模擬視網膜神經元）和競爭層（模擬大腦皮層神經元，也叫輸出層）構成一個兩層網絡，神經元之間存在以“墨西哥帽”形式進行側向交互的功能。因而，在輸出層中，神經元之間有近揚遠抑的反饋特性，從而使Kohonen網絡可以作為模式特征的檢測器。
（3）P網絡是前向傳播（ackPropagation）網絡。它是一種多層前向網絡，采用了最小均方差學習方式。在手寫字體的識別、文語轉換、語音識別、圖像識別以及生物醫學信號處理方麵已有實際的應用，是一種最廣泛應用的網絡。P網絡需有教師訓練。
（4）AR網絡是一種自組織網絡模型。它是一種無教師學習網絡，能夠較好地協調適應性、穩定性和複雜性的要求。在AR網絡中，通常需要兩個功能互補的子係統相互作用，這兩個子係統稱為注意子係統和取向子係統。AR網絡主要應用於模式識別，它的不足之處在於對轉換、失真和規模變化較為敏感。