Ett neuralt feedforward-nätverk är en typ av neuralt nätverk där enhetsanslutningarna inte färdas i en slinga, utan snarare i en enda riktad väg. Detta skiljer sig från ett återkommande neuralt nätverk, där information kan röra sig både framåt och bakåt i hela systemet. Ett neuralt nätverk för feedforward är kanske den vanligaste typen av neurala nätverk, eftersom det är ett av de enklaste att förstå och konfigurera. Dessa typer av neurala nätverk används i datautvinning och andra studieområden där prediktivt beteende krävs.
Ett neuralt nätverk är ett nätverk av artificiell intelligens som är utformat för att löst imitera de ”tänkande” processerna i en mänsklig hjärna. Genom att mata in strängar av data i nätverket får datorn möjligheter att ”lära sig” mönstren som flödar genom den, vilket gör det möjligt för den att korrekt identifiera svar och ge trendanalys. De används i uppgifter där en viss grad av inlärning och mönsterigenkänning krävs, till exempel under datautvinning. Data mining är helt enkelt analys av trender från en samling information, såsom analys av konsumentköptrender och aktiemarknadsutveckling.
Information som färdas genom ett neuralt nätverk för feedforward går in i inmatningsskiktet, färdas genom det dolda skiktet och kommer fram från det yttre skiktet av nätverket, vilket ger slutanvändaren ett svar på sin fråga. Ett indatalager är helt enkelt den plats där användaren anger rådata eller parametrar för informationen. Köttet av transaktionen äger rum i det dolda lagret, där datorn faller tillbaka på sin ”erfarenhet” av att hantera liknande data för att producera ett uppskattat svar. Informationen kanaliseras genom utdatalagret, där ett svar ges tillbaka till slutanvändaren.
Ett neuralt nätverk för feedforward blir vanligtvis mer effektivt när slutanvändaren förser det med mer och mer experimentell data. Ungefär som att beräkna ett medelvärde, kommer ett mer exakt resultat att uppnås genom att använda ett stort antal testhändelser. Till exempel är sannolikheten att slå en ”1” på en sexsidig tärning 16.667 procent; men det kommer att ta hundratals eller tusentals simuleringar innan det beräknade medelvärdet bekräftas genom användning av verkliga data. Feedforward neurala nätverk är desamma; deras svar kommer att bli mer exakta med tiden och erfarenheten.