Bei Künstlichen Neuronale Netzen (KNN) handelt es sich um Modelle, welche den biologischen Netzwerken in einem menschlichen Gehirn oder dem Rückenmark nachempfunden sind. Die Nervenzellen bzw. Neuronen sind im Gehirn in Form eines dichten Netzes miteinander verbunden. Während Lebewesen lernen, werden die Verbindungen (Synapsen) zwischen den Zellen, die für den Lernvorgang notwendig sind, verändert. Durch diese Anpassung ist das Gehirn in der Lage zu lernen, verschiedene Aufgaben zu bewältigen und Problemstellungen zu lösen.
Dieser Vorgang lässt sich mit dem Computer simulieren. Künstliche Neuronale Netze bilden das Verhalten des Gehirns nach, sich durch Lernvorgänge selbst zu organisieren. Primäres Ziel ist dabei die Abstraktion der Informationsverarbeitung an sich und weniger das technische Nachempfinden biologischer neuronaler Netze und ihrer chem.physik. Prozesse
Als Teilgebiet der CI sind sie gleichzeitig Zweig der künstlichen Intelligenz und Forschungsgebiet der Neuroinformatik. Grundsätzlich können sie für jede Aufgabe eingesetzt werden, bei der es darum geht, Zusammenhänge zwischen „unscharfen“ Mustern zu erkennen. In der GECO►C Forschungsgruppe werden KNN vor allem in der Regelungstechnik eingesetzt, um herkömmliche Regler mit Prognosen zu unterstützen, die das Netz aus einer selbst entwickelten Prognose über den Prozessverlauf ermittelt hat.
