Nevronska mreža naprej je vrsta nevronske mreže, kjer povezave enot ne potujejo v zanki, temveč v eni usmerjeni poti. To se razlikuje od ponavljajoče se nevronske mreže, kjer se informacije lahko premikajo naprej in nazaj po sistemu. Nevronska mreža za naprej je morda najpogostejša vrsta nevronske mreže, saj je ena najlažjih za razumevanje in konfiguracijo. Te vrste nevronskih mrež se uporabljajo pri rudarjenju podatkov in drugih študijskih področjih, kjer je potrebno napovedno vedenje.
Nevronska mreža je mreža umetne inteligence, zasnovana tako, da ohlapno posnema “miselne” procese človeških možganov. S podajanjem nizov podatkov v omrežje dobi računalnik priložnosti, da se “nauči” vzorcev, ki tečejo skozenj, kar mu omogoča pravilno prepoznavanje odgovorov in analizo trendov. Uporabljajo se pri nalogah, kjer je potrebna določena stopnja učenja in prepoznavanja vzorcev, na primer med operacijami rudarjenja podatkov. Podatkovno rudarjenje je preprosto analiza trendov iz zbirke informacij, kot je analiza trendov nakupovanja potrošnikov in napredovanja na borznem trgu.
Informacije, ki potujejo skozi nevronsko mrežo za naprej, gredo v vhodno plast, potujejo skozi skrito plast in izhajajo iz zunanje plasti omrežja ter končnemu uporabniku zagotovijo odgovor na njegovo poizvedbo. Vhodna plast je preprosto mesto, kamor uporabnik vnese neobdelane podatke ali parametre informacij. Meso transakcije se odvija v skriti plasti, kjer se računalnik vrne na svoje »izkušnje« ravnanja s podobnimi podatki, da ustvari ocenjen odgovor. Informacije se vodijo skozi izhodno plast, kjer se končnemu uporabniku zagotovi odgovor.
Nevronska mreža s posredovanjem naprej običajno postane učinkovitejša, saj ji končni uporabnik zagotovi vse več eksperimentalnih podatkov. Podobno kot pri izračunu povprečja, bo natančnejši rezultat dosežen z uporabo širokega števila testnih dogodkov. Na primer, verjetnost, da vržete “1” na šeststranski kocki, je 16.667 odstotka; vendar bo trajalo na stotine ali tisoče simulacij, preden bo izračunano povprečje potrjeno z uporabo podatkov iz resničnega sveta. Nevronske mreže za naprej so enake; njihovi odgovori bodo s časom in izkušnjami bolj točni.