人工ニューラルネットワーク（Artificial Neural Network、ANN）とは、人間の脳を模したアルゴリズムを用いた機械学習手法の一つです。脳神経細胞（ニューロン）が繋がり合い、情報をやり取りするように、多数の人工ニューロンが相互に接続し、入力されたデータを処理することで、予測や分類、認識などのタスクを実行します。
人工ニューロンは、入力値に対して重み付けされ、バイアスを加えた値が活性化関数に入力され、出力値が計算されます。この出力値が次のニューロンの入力値として使用され、層を重ねることで、複雑な非線形関数を表現することができます。入力層、中間層、出力層の３つの層で構成され、中間層が複数ある場合を多層パーセプトロン（Multi-Layer Perceptron、MLP）と呼びます。
人工ニューラルネットワークは、大量のデータを用いて学習させることによって、入力に対する適切な出力を出力するように最適化されます。この学習には、教師あり学習と教師なし学習の２つの方法があります。教師あり学習では、入力に対して正しい出力が与えられ、それを目標として学習が行われます。教師なし学習では、入力データに対してパターンを見つけ出すことが目的となります。
人工ニューラルネットワークは、画像認識、音声認識、自然言語処理などの分野で広く使われており、深層学習と呼ばれる手法を用いたディープラーニングの発展に多大な影響を与えています。また、ニューラルネットワークの構造や学習アルゴリズムを改良することで、より高精度な予測や分類が可能になるなど、今後ますます注目を集める技術の一つとなっています。