O rețea neuronală feedforward este un tip de rețea neuronală în care conexiunile unității nu se deplasează într-o buclă, ci mai degrabă într-o singură cale direcționată. Aceasta diferă de o rețea neuronală recurentă, în care informațiile se pot deplasa atât înainte, cât și înapoi în întregul sistem. O rețea neuronală feedforward este poate cel mai comun tip de rețea neuronală, deoarece este una dintre cele mai ușor de înțeles și configurat. Aceste tipuri de rețele neuronale sunt utilizate în extragerea datelor și în alte domenii de studiu în care este necesar un comportament predictiv.
O rețea neuronală este o rețea de inteligență artificială concepută pentru a imita în mod liber procesele de „gândire” ale creierului uman. Introducând șiruri de date în rețea, computerului i se oferă oportunități de a „învăța” tiparele care curg prin el, permițându-i să identifice corect răspunsurile și să ofere o analiză a tendințelor. Ele sunt utilizate în sarcini în care este necesar un anumit grad de învățare și recunoaștere a modelelor, cum ar fi în timpul operațiunilor de extragere a datelor. Exploatarea datelor este pur și simplu analiza tendințelor dintr-o colecție de informații, cum ar fi analiza tendințelor de cumpărare a consumatorilor și a evoluțiilor pieței de valori.
Informațiile care călătoresc printr-o rețea neuronală feedforward intră în stratul de intrare, călătoresc prin stratul ascuns și iese din stratul exterior al rețelei, oferind utilizatorului final un răspuns la întrebarea sa. Un strat de intrare este pur și simplu locul în care utilizatorul introduce datele brute sau parametrii informațiilor. Carnea tranzacției are loc în stratul ascuns, unde computerul recurge la „experiența” sa de a manipula date similare pentru a produce un răspuns estimat. Informațiile sunt transmise prin stratul de ieșire, unde un răspuns este furnizat înapoi utilizatorului final.
O rețea neuronală feedforward devine de obicei mai eficientă pe măsură ce utilizatorul final îi furnizează din ce în ce mai multe date experimentale. La fel ca la calcularea unei medii, se va obține un rezultat mai precis prin utilizarea unui număr mare de evenimente de testare. De exemplu, probabilitatea de a arunca un „1” pe un zar cu șase fețe este de 16.667 la sută; dar va fi nevoie de sute sau mii de simulări înainte ca media calculată să fie confirmată prin utilizarea datelor din lumea reală. Rețelele neuronale feedforward sunt aceleași; răspunsurile lor vor deveni mai precise cu timpul și experiența.