شبکه‌های عصبی مصنوعی، مبحثی گسترده است که از انگیزه‌های بیولوژیکی الهام می‌گیرد و بر پایه ساختار و عملکرد سلول‌های عصبی مدل‌هایی ارائه می‌دهد. این شبکه‌ها متناسب با پردازش توزیع‌شده و رفتارهای منطقی طراحی می‌شوند، و مبتنی بر قانون هب هستند که برای یادگیری حائز اهمیت است. شبکه‌های هب، از جمله این مدل‌ها هستند که علاوه بر مزایا، معایبی نیز دارند. تعمیم قانون هب باعث بهبود عملکرد منطقی این شبکه‌ها می‌شود. انواع شبکه‌های عصبی از جمله پرسپترون و ADALINE، با قوانین یادگیری خاص خود، برای حل مسائل مختلفی از جمله پیش‌بینی و خوشه‌بندی به کار می‌روند.