Neuroninis mokymasis pagrįstas įsitikinimu, kad smegenys veikia kaip kompiuteris, kai apdoroja naują informaciją. Duomenų įvedimas, organizavimas ir paieška yra pagrindiniai aspektai. Neuroninio mokymosi biologinis pagrindas yra nervų sistema, kuri reiškia tarpusavyje susijusią smegenų ląstelių struktūrą. Šis smegenų struktūros ir funkcijos ryšio supratimas buvo pritaikytas kuriant geresnių mokymosi ir atminties išsaugojimo koncepcijas. Sistema taip pat yra dirbtinių neuroninių tinklų sistemų pagrindas.
Pagal neuronų mokymosi modelį informacija pirmiausia patenka į smegenis per duomenų įvestį. Tada smegenys turi saugoti šią informaciją ir sujungti ją su jau esančia informacija per duomenų organizavimą. Paskutinis žingsnis yra duomenų paieška, kurios metu smegenys kuria sistemas, skirtas paimti iš proto saugomą informaciją ir ją panaudoti. Taigi neuroninis mokymasis reiškia šiuos kolektyvinius procesus, kurių metu smegenys renka, kaupia ir naudoja informaciją, gautą iš gyvenimo patirties. Kartais mokymosi procesai taip užkoduojami smegenyse, kad informacijos paieška vyksta beveik automatiškai, kaip ir grėsmingose situacijose.
Todėl atmintis yra gyvybiškai svarbi neuroninio mokymosi sąvoka, kaip ir kompiuteriuose. Veiksmingą informacijos kodavimą gali padėti mnemoniniai metodai. Šie metodai apima didelių informacijos dalių įsiminimą naudojant atminties ženklus. Pavyzdžiui, asmuo gali siekti išmokti ilgą žodžių eilutę, sukurdamas sakinį, kuriame kiekviename žodyje yra pirmoji kiekvieno sąrašo žodžio raidė. Kitas metodas gali apimti vaizduotės vaizdinį, vaizduojantį žodį, kūrimą. Šis metodas yra įprastas įsimenant sudėtingą informaciją, pavyzdžiui, medicininius terminus.
Mnemoniniai prietaisai dažnai priklauso nuo kitos svarbios neuroninio mokymosi koncepcijos: mokymosi stiliaus tipo, kurį smegenys yra labiausiai pritaikytos įgyvendinti. Kai kurie asmenys labiau įvaldo vizualinio mokymosi metodus, o kiti dirba geriau, kai mokomasi daugiau skaitymo ar žodžių. Kiti metodai gali apimti klausos mokymąsi ir taikomąjį mokymąsi bendradarbiaujant.
Kai kurie neuroninio mokymosi mokytojai taiko holistinį požiūrį į mokymąsi. Kitaip tariant, asmenys turėtų svarstyti idėjas ir sąvokas natūralistiškai, o ne pasikliauti tiesioginiais mokymosi metodais, pabrėžiančiais konkrečius ir atskirus faktus. Taigi pastabų darymas gali būti panašus į medį, kai sąvokos atsiskiria viena nuo kitos, o asmenys sukuria savo unikalias asociacijas, kad įtvirtintų sąvokas savo atmintyje.
Informacijos perdavimas ir saugojimas vyksta tarp neuronų arba smegenų ląstelių tinklų. Neuroniniai tinklai taip pat yra daugelio dirbtinio intelekto pagrindas. Tiesą sakant, neuroninis mokymasis kartais reiškia dirbtinio intelekto projektavimo metodus, kurie imituoja žmogaus nervų struktūras. Tokie neuroniniai tinklai pasirodė naudingi daugelyje sudėtingų mašinų veikimo arenų, pradedant kalbos atpažinimu ir baigiant robotų valdikliais.
Taikant šiuos metodus, dirbtinės mažos struktūros, sukurtos pagal žmogaus neuronus, yra žinomos kaip vienetai arba mazgai. Kaip ir neuronai, šie vienetai yra užprogramuoti priimti gaunamą informaciją arba įvestį, taip pat perduoti informaciją arba išvestis. Dirbtinio intelekto mašinose įvesties ir išvesties komponentai jungiami pakartotinai, kad dirbtinio intelekto sistemoje būtų kuriamos asociacijos. Šios susidariusios asociacijos sudaro sistemos nervinį mokymąsi, ir, kaip ir žmogaus mokymasis, asociacijos gali būti sustiprintos, kai jos yra užkoduotos ir įsimenamos. Stiprinimas vyksta taikant mokymosi taisykles arba svertinius matavimus ir matematinius neuroninius algoritmus.