由于人工神经网络是通过模拟人脑神经网络开展工作的，因此衡量人工神经网络的整体性能时需要对三个方面进行评估：人工神经网络中的节点本身的信息处理能力、节点间的连接、节点间的连接强度。人工神经网络中的节点自身的信息处理能力考查数学模型是否合理；节点间的连接和连接强度考查网络拓扑结构是否合理。从人工神经网络被提出到现在，已有的人工神经网络模型多达几十种。按照不同的分类方法可以将人工神经网络分为不同的类别，其中常见的两种分类方法是按网络连接的拓扑结构分类和按网络内部的信息流向分类。

根据网络连接的拓扑结构不同，可将人工神经元网络分为两大类：层状结构人工神经网络和互连型网状结构人工神经网络。层状结构人工神经网络将神经元按功能分成若干层，包含输入层（Input）、隐藏层（Hidden）和输出层（Output），各层之间是顺序相连的，如图1所示。

图1：人工神经网络结构

互连型网状结构人工神经网络中任意两个节点之间可能存在连接路径，从而形成一张神经网，如图2所示。

图2：互连型网状结构

根据网络内部的信息流向可将人工神经网络分为前馈型人工神经网络和反馈型人工神经网络。

前馈型人工神经网络的结构特点与图2所示的层状结构人工神经网络完全相同，因前馈过程按照网络信息处理的方向执行，信息从输入层向后逐层传递而得名。从信息处理能力看，前馈型人工神经网络中的节点可分为两种：一种是输入节点，只负责从外界引入信息然后传递给下一层；另一种是具有处理能力的节点，包括各种隐藏层和输出层。前馈型人工神经网络中前一层的输出是下一层的输入，信息的处理具有逐层传递的方向性，一般不存在逆向反馈的环路。因此，这类人工神经网络很容易串联起来建立多层前馈型人工神经网络。反馈型人工神经网络是一种从输出到输入、具有反馈连接的人工神经网络。反馈型人工神经网络的输入层神经元除可接收输入信息外，也具有信息处理功能，如图3所示：

图3：反馈型人工神经网络