人工神经网络主要架构是由神经元、层和网络三个部分组成。整个人工神经网络包含一系列基本的神经元、通过权重相互连接。

神经元是人工神经网络最基本的单元。单元以层的方式组，每一层的每个神经元和前一层、后一层的神经元连接，共分为输入层、输出层和隐藏层，三层连接形成一个神经网络。

输入层只从外部环境接收信息，是由输入单元组成，而这些输入单元可接收样本中各种不同的特征信息。该层的每个神经元相当于自变量，不完成任何计算，只为下一层传递信息；隐藏层介于输入层和输出层之间，这些层完全用于分析，其函数联系输入层变量和输出层变量，使其更配适数据。而最后，输出层生成最终结果，每个输出单元会对应到某一种特定的分类，为网络送给外部系统的结果值，，整个网络由调整链接强度的程序来达成学习的目的。

假如输出单元的输出值和所预期的值相同，那么连接到此输出单元的链接强度则不被改变。但如果应该输出1的单元却输出0，那么连接到这个单元的链接强度则会被加强。相反，如果应该输出0却输出1，那么连接到此输出单元的链接强度则会被降低。简单地说，达成收敛的效果是这个学习程序的主要目标。目前尚没有统一的标准方法可以计算人工神经网络的最佳层数。