Một trong những ứng dụng kinh điển của mạng neuron là lớp các bài toán nhận dạng mẫu, ở đó mỗi một mẫu là một tập hợp (hay một vector) các tham số biểu thị các thuộc tính của một quá trình vật lý nào đó (ví dụ tín hiệu tiếng nói). Ngoài sức mạnh vốn có, mạng neuron còn thể hiện ưu điểm của mình trong việc nhận dạng thông qua khả năng mềm dẻo, dễ thích nghi với môi trường. Chính vì vậy, có thể coi mạng neuron trước tiên là một công cụ để nhận dạng. Nhiều | mét c¸ch dÔ dµng khi cã nh÷ng thay ®æi nhá cña c¸c ®iÒu kiÖn m«i trêng ho¹t ®éng. H¬n n÷a, khi ho¹t ®éng trong mét m«i trêng kh«ng æn ®Þnh (c¸c sè liÖu thèng kª thay ®æi theo thêi gian), mét m¹ng neuron cã thÓ ®îc thiÕt kÕ sao cho cã kh¶ n¨ng thay ®æi c¸c träng sè synapse cña nã theo thêi gian thùc. KiÕn tróc tù nhiªn cña mét m¹ng neuron cho viÖc ph©n lo¹i mÉu, xö lý tÝn hiÖu, vµ c¸c øng dông ®iÒu khiÓn lu«n ®i ®«i víi kh¶ n¨ng thÝch nghi cña m¹ng, t¹o cho nã mét ph¬ng tiÖn h÷u hiÖu trong viÖc ph©n lo¹i mÉu thÝch nghi, xö lý tÝn hiÖu thÝch nghi, vµ ®iÒu khiÓn thÝch nghi. Nh mét quy t¾c chung, cã thÓ nãi r»ng chóng ta t¹o ra mét hÖ thèng cµng cã kh¶ n¨ng thÝch nghi th× tÝnh n¨ng cña nã sÏ cµng m¹nh khi hÖ thèng cÇn ph¶i ho¹t ®éng trong mét m«i trêng kh«ng æn ®Þnh. Tuy nhiªn, cÇn nhÊn m¹nh r»ng tÝnh thÝch nghi kh«ng ph¶i lóc nµo còng ®em ®Õn søc m¹nh; nã cã thÓ lµm ®iÒu ngîc l¹i. VÝ dô, mét hÖ thèng thÝch nghi víi nh÷ng h»ng sè thêi gian nhá cã thÓ biÕn ®æi rÊt nhanh vµ nh vËy lµ cã xu híng ph¶n øng l¹i nh÷ng sù nhiÔu lo¹n gi¶ t¹o, vµ sÏ g©y ra sù suy gi¶m m¹nh vÒ tÝnh n¨ng hÖ thèng. §Ó thÓ hiÖn ®Çy ®ñ lîi Ých cña tÝnh thÝch nghi, c¸c h»ng sè thêi gian cña hÖ thèng nªn ®ñ lín ®Ó hÖ thèng cã thÓ bá qua ®îc sù nhiÔu lo¹n vµ còng ®ñ nhá ®Ó ph¶n øng ®îc víi nh÷ng thay ®æi cã ý nghÜa cña m«i trêng. VÊn ®Ò nµy cã thÓ ®îc xem nh mét
