Neuronale Netze bestehen aus Neuronen, die untereinander verbunden sind. Die Verbindungen werden als Gewichte bezeichnet. Z.B. bezeichnet $w_{ij}$ die Verbindungsstärke (das ist eine reelle Zahl) zwischen Neuron i und Neuron j. Je nachdem auf welche Art und Weise dies geschieht, werden verschiedene Strukturen unterschieden. Diese grundsätzlich verschiedenen Strukturtypen werden als Typologien bezeichnet.

Wenn man die Topologie eines Netzwerk in den Vordergrund stellt, spricht man manchmal von Knoten anstelle von Neuronen und von Kanten anstelle von Verbindungen.Diese Begriffe sind der Graphentheorie entnommen. Andere verwendete Begriffe für Neuronen sind Units oder Einheiten.

Grundsätzlich werden einschichtige von mehrschichtigen Netzwerken unterschieden.

1. Eingabeschicht (Inputlayer)
2. Verarbeitungsschicht (ein oder mehrere - auch als Hiddenlayer bezeichnet)
3. Ausgabeschicht (Outputlayer)

Units (Neuronen) der gleichen Schicht haben die gleiche Farbe. Dieses ist lediglich ein Beispiel. Die Verarbeitungsschicht kann aus mehreren Schichten bestehen oder die Ausgabeschicht kann mehrere Einheiten (Neurone) besitzen.

• Eingabeschicht
  • Eingabe des Musters, Reizes oder allgemein jeder Information, die verarbeitet werden soll
• Verarbeitungschicht(en)
  • Diese Neurone repräsentieren das eigentliche Modell.
• Ausgabeschicht
  • Ausgabe des Musters bzw. der berechneten Information

• Feedforward-Netze
  • Die Verbindungen sind nur nach vorne, also zum nächsten Neuron vorhanden.
• Rekurrente Netze
  • Die Verbindungen können auch zum Vorherigen (also rückwärts) bestehen
• Eigenverbindungen
  • Je nachdem, ob die Verbindungen auch zwischen ein und demselben Neuron ($w_{ii}$) bestehen können.