फीड-फ़ॉरवर्ड न्यूरल नेटवर्क सिग्नल को इनपुट से आउटपुट तक केवल एक दृष्टिकोण की यात्रा करने की अनुमति देता है। कोई प्रतिक्रिया (लूप) नहीं है जैसे कि किसी परत का आउटपुट उसी परत को प्रभावित नहीं करता है। फीड-फ़ॉरवर्ड नेटवर्क सरल नेटवर्क होते हैं जो इनपुट को आउटपुट के साथ जोड़ते हैं। इसका उपयोग पैटर्न पहचान में किया जा सकता है। इस प्रकार के संगठन को बॉटम-अप या टॉप-डाउन के रूप में दर्शाया जाता है।
छिपी हुई परत में प्रत्येक इकाई आम तौर पर इनपुट परत में कुछ इकाइयों से पूरी तरह से जुड़ी होती है। क्योंकि इस नेटवर्क में मानक इकाइयाँ शामिल हैं, छिपी हुई परत में इकाइयाँ प्रत्येक इनपुट के मूल्य को उसके सहसंबंधी वजन से गुणा करके, इन्हें सम्मिलित करके और स्थानांतरण फ़ंक्शन का उपयोग करके अपने आउटपुट की गणना करती हैं।
एक तंत्रिका नेटवर्क में कई छिपी हुई परतें हो सकती हैं, लेकिन हमेशा की तरह, एक छिपी हुई परत पर्याप्त है। परत जितनी चौड़ी होगी, डिजाइन की पहचान करने के लिए नेटवर्क की क्षमता उतनी ही अधिक होगी।
दायीं ओर की अंतिम इकाई आउटपुट लेयर है क्योंकि यह न्यूरल नेटवर्क के आउटपुट से जुड़ी होती है। यह पूरी तरह से छिपी हुई परत में कुछ इकाइयों से जुड़ा होता है। तंत्रिका नेटवर्क का उपयोग आम तौर पर एकल मान की गणना करने के लिए किया जाता है, इसलिए आउटपुट परत और मान में केवल एक इकाई होती है।
यह आउटपुट परत के लिए एक इकाई से अधिक होने के लिए लागू होता है। उदाहरण के लिए, एक डिपार्टमेंट स्टोर चेन को इस संभावना का पूर्वानुमान लगाने की आवश्यकता है कि उपयोगकर्ता महिलाओं के परिधान, फर्नीचर और मनोरंजन सहित कई विभागों से उत्पाद खरीदेंगे। प्रचार और सीधे मेलिंग की योजना बनाने के लिए स्टोर को इस डेटा की आवश्यकता होती है।
बैकप्रोपेगेशन एल्गोरिथ्म एक बहुपरत फीड-फॉरवर्ड न्यूरल नेटवर्क पर सीखने का कार्य करता है। इनपुट प्रत्येक प्रशिक्षण नमूने के लिए गणना की गई विशेषताओं को उत्तेजित करते हैं। इनपुट को इनपुट परत बनाने वाली इकाइयों की एक परत में फीड किया जाता है।
इन इकाइयों के भारित आउटपुट को न्यूरॉन्स की दूसरी परत को समवर्ती रूप से खिलाया जाता है जैसे कि छिपी हुई परत कहा जाता है। छिपी हुई परत भारित आउटपुट है जो कई छिपी हुई परतों आदि में इनपुट हो सकती है। कई छिपी हुई परतें मनमानी हैं और अक्सर, एक का उपयोग किया जाता है।
अंतिम छिपी हुई परत के भारित आउटपुट आउटपुट परत बनाने वाली इकाइयों के लिए इनपुट हैं, जो प्रदान किए गए नमूनों के लिए नेटवर्क की भविष्यवाणी को फैलाते हैं। छिपी हुई परतों और आउटपुट परत में इकाइयों को उनके प्रतीकात्मक जैविक तत्वों या आउटपुट इकाइयों के कारण न्यूरोड के रूप में दर्शाया जाता है। छिपी हुई इकाइयों के माध्यम से प्रदान किए गए रैखिक थ्रेशोल्ड फ़ंक्शंस के बहुपरत फ़ीड-फ़ॉरवर्ड नेटवर्क लगभग कुछ फ़ंक्शन का अनुमान लगा सकते हैं।