Neuroninio tinklo architektūra problemoms spręsti naudoja procesą, panašų į biologinių smegenų funkciją. Skirtingai nuo kompiuterių, kurie užprogramuoti vykdyti tam tikrą instrukcijų rinkinį, neuroniniai tinklai naudoja sudėtingą atsakymų tinklą, kad sukurtų savo verčių rinkinius. Sistema pirmiausia veikia mokydamasi iš pavyzdžių ir bandydama bei suklydusi. Apskritai, neuroninio tinklo architektūra apima problemų sprendimo procesą, nei gali apdoroti žmonės ar įprasti kompiuteriniai algoritmai.
Neuroninio tinklo architektūros koncepcija remiasi biologiniais neuronais – smegenų elementais, kurie įgyvendina ryšį su nervais. Juos skaičiavimo aplinkoje imituoja programos, sudarytos iš mazgų ir reikšmių, kurios kartu apdoroja duomenis. Šis metodas skirtas kompensuoti tipiškų kompiuterinių algoritmų nesugebėjimą apdoroti paprastų garsinių ir vaizdinių duomenų taip pat lengvai, kaip ir žmonės. Taip pat siekiama pagerinti žmogaus gebėjimus didinant proceso greitį ir efektyvumą.
Įprasta neuroninio tinklo architektūros sistema bandys išspręsti problemą užduodama taip ir ne klausimų šia tema. Atmetus tam tikrus elementus ir priimant kitus, galiausiai randamas atsakymas. Šis procesas panašus į tai, kaip biologinės smegenys išspręstų problemą, tačiau jis gali būti sukurtas veikti greičiau ir sudėtingiau, sutelkiant dėmesį į konkrečią sritį.
Kadangi neuroninio tinklo architektūra sukurta taip, kad programa sukurtų savo problemos sprendimo metodą, ji gali būti nenuspėjama. Tai dažnai gali būti naudinga, nes mažiau apibrėžtas procesas gali sukurti atsakymus, kurių žmogaus protas nesugeba pats sugalvoti. Tai taip pat gali būti problematiška, nes nėra būdo sekti konkrečius veiksmus, kurių kompiuteris imasi, kad išspręstų problemą, taigi mažiau trikčių šalinimo būdų, kurie gali kilti proceso metu arba po jo.
Vienas iš neuroninio tinklo architektūros pranašumų yra tas, kad nuolat mokydamasi iš bandymų ir klaidų, sistema gali pagerinti savo problemų sprendimo galimybes. Laikui bėgant tai gali padidinti tinklo gebėjimą aptikti šablonus ir apdoroti nesutvarkytus ir neaiškius duomenų rinkinius. Šis procesas gali būti sukurtas bet kam – nuo vieno proceso iki daugybės tarpusavyje susijusių elementų.
Nors neuroninio tinklo architektūra gali būti sukurta taip, kad sutelktų dėmesį į tam tikras sritis, ji negali būti apribota konkrečiomis užduotimis. Kad sistema veiktų efektyviai, jai turi būti suteikti elementai, reikalingi pačiam trikčių šalinimui. Be tinkamos medžiagos sistemos sugeneruoti atsakymai paprastai nebus patenkinami.