Neuronale Netze sind eine Idee, die man aus der Natur übernommen hat.

Neuron steht für Nervenzelle, d.h. man baut ein Netz aus Nervenzellen genau so wie das Gehirn oder Nervenknoten. Es ist die softwaretechnische Umsetzung eines biologischen Vorgangs.
Dabei wird die Komplexität extrem stark beschnitten, d.h nur das nötigste aus der Natur wird übernommen. Grundsätzlich hat ein Neuron mehrere Eingänge, d.h. es kann Reelle Werte aufnehmen (0, 0.11, 0.5, 1.0). Diese Werte werden addiert, aber nicht einfach so, sondern mit Gewichten. Also Wert1 stärker als Wert2 und Wert3 nur mit Faktor 0.1. Wenn ein Schwellenwert überschritten wird, wird der Ausgang auf "high" gesetzt und wird an die nächsten Neuronen weiter gegeben. Das machen alle Neuronen gleichzeitig, deswegen kannst du auch soviele Dinge gleichzeitig tun

Das Konzept hört sich etwas wirr an, aber so funktioniert es in der Natur. Damit ist man in der Lage Probleme zu lösen ohne genau zu wissen, wie es gemacht wird. Neuronale Netze sind sehr fehlertolerant und können sich oft an veränderte Situationen anpassen.

Z.B. eine Unterschriftenanalyse wäre prädestiniert für ein neuronales Netz. Für die Unterschriftenverifizierung muss das Netz ausgeben, ob es die Unterschrift erkannt hat, oder ob nicht. Also true oder false. Das ist der Ausgang. Der Eingang könnte z.B. ein Pixel der eingescannten Unterschrift sein. Wenn du dem Netz genügend Unterschriften zeigst und ihm jedes mal sagst, was die richtige Antwort ist, lernt es, die Unterschriften zu erkennen.
FANN ist eine library, die Neuronale Netze implementiert hat.
Das ist der Grund, warum wir durch zuschauen so gut lernen können. Oft ist es so, dass jemand anders etwas vormacht, man sich das ein paarmal anschaut, und dann nachmacht. Damit trainieren wir unser neuronales Netz, es lernt sozusagen die Antworten (richtig vorgemacht) auswendig. Deswegen sollte man sich genau überlegen, was man vormacht, weil es immer unterbewusst imitiert wird.