Questo lavoro si occupa di reti neurali (NN), in particolare di NN multistrato dal punto di vista dell'apprendimento degli algoritmi. Descriveremo la rete neurale feed forward (FFNN) e la rete neurale ricorrente (RCNN) e introdurremo le nozioni di base sulle NN, che saranno utilizzate in seguito nella tesi. Una rete neurale è un modello matematico che si ispira alle reti neurali biologiche e cerca di simularle. È costituita da unità interconnesse - i neuroni, che sono le unità di calcolo di una rete neurale. Le reti neurali fanno parte dell'intelligenza artificiale. La conoscenza è memorizzata nelle connessioni tra i neuroni, chiamate pesi sinaptici (pesi), una semplificazione dei dendriti e degli assoni biologici. La NN è un approssimatore universale di relazioni memorizzate all'interno dei dati - un approssimatore statistico non lineare per la modellazione dei dati, in grado di apprendere e adattare la propria struttura in base alle informazioni interne/esterne che si propagano attraverso la NN durante la fase di apprendimento. È relativamente facile da usare in un'ampia gamma di settori tecnici e non tecnici senza ulteriori conoscenze teoriche per la maggior parte delle NN. Esiste un certo numero di NN che richiedono conoscenze per essere implementate e per utilizzare il corretto set di parametri di inizializzazione.