Arhitektura nevronske mreže za reševanje problemov uporablja proces, podoben funkciji bioloških možganov. Za razliko od računalnikov, ki so programirani tako, da sledijo določenemu nizu navodil, nevronske mreže uporabljajo zapleteno mrežo odzivov za ustvarjanje lastnih nizov vrednosti. Sistem deluje predvsem z učenjem iz primerov ter poskusov in napak. Na splošno arhitektura nevronskih omrežij proces reševanja problemov presega tisto, kar lahko obdelajo ljudje ali običajni računalniški algoritmi.
Koncept arhitekture nevronske mreže temelji na bioloških nevronih, elementih v možganih, ki izvajajo komunikacijo z živci. Te v računalniškem okolju simulirajo programi, sestavljeni iz vozlišč in vrednosti, ki skupaj obdelujejo podatke. Ta metoda je namenjena kompenziranju nezmožnosti tipičnih računalniških algoritmov za obdelavo preprostih zvočnih in vizualnih podatkov tako enostavno kot ljudje. Prav tako si prizadeva izboljšati človeške sposobnosti s povečanjem hitrosti in učinkovitosti procesa.
Tipičen sistem arhitekture nevronskih omrežij bo poskušal rešiti problem z nizom vprašanj z da in ne o temi. Z zavračanjem določenih elementov in sprejemanjem drugih se na koncu najde odgovor. Ta proces je podoben načinu, kako bi biološki možgani rešili problem, vendar ga je mogoče razviti tako, da deluje hitreje in bolj zapleteno, tako da se osredotoči na določeno področje.
Ker je arhitektura nevronske mreže zgrajena tako, da bo program razvil lastno metodo reševanja problema, je lahko nepredvidljiva. To je pogosto lahko koristno, saj lahko manj opredeljen proces razvije odgovore, ki jih človeški umi sami ne morejo oblikovati. Lahko je tudi problematično, saj ni načina za sledenje specifičnim korakom, ki jih računalnik izvede za rešitev težave, in s tem manj načinov za odpravljanje težav, ki se lahko pojavijo med ali po zagonu postopka.
Ena od prednosti arhitekture nevronskih omrežij je, da lahko sistem z nenehnim učenjem iz poskusov in napak izboljša svojo sposobnost reševanja problemov. Sčasoma lahko to poveča zmožnost omrežja za odkrivanje vzorcev in obdelavo neorganiziranih in nejasnih korpusov podatkov. Ta proces je mogoče oblikovati za karkoli, od enega samega procesa do široke palete medsebojno povezanih elementov.
Medtem ko je arhitekturo nevronskih omrežij mogoče izdelati tako, da se osredotoči na določena področja, je ni mogoče omejiti na posebne naloge. Da bi bil sistem učinkovit, mu je treba dati elemente, ki so potrebni za samostojno odpravljanje težav. Brez ustreznih materialov odgovori, ki jih ustvari sistem, običajno ne bodo zadovoljivi.