As redes neurais são aplicadas para resolução de diversos problemas. De um modo geral, o objetivo é classificar e reconhecer padrões, predizer e generalizar informações.
Ao projetar uma rede neural, não podemos pensar em técnicas computacionais convencionais, como procedimentos ou fórmulas algorítmicas de processamento de dados, mas sim em tipos dos dados de entrada, dados de saída e tratamento de dados.
Baseando-se nos dados, a rede neural passa por duas fases de explicitação do processamento: o treinamento e a utilização. O treinamento consiste em um processo iterativo de atualização dos pesos sinápticos, ou seja, a rede possui a capacidade de modificar-se para aprender. A utilização é a execução da rede, ou seja, como ele reage aos estímulos a ela apresentados.
Essas duas fases podem ser subdivididas em outras cinco, considerando os diferentes contextos em que uma rede neural pode estar inserida: concepção, definição, treinamento, utilização e manutenção.
Concepção: validação da proposta e escolha do paradigma neural.
Definição: tamanho da rede, tipo de problema, tipo de associação.
Treinamento: Escolha do método de aprendizado, supervisionado ou não-supervisionado.
Utilização: A execução da rede.
Manutenção: Como as redes neurais são utilizadas frequentemente para solucionar problemas dinâmicos, uma verificação contínua dos resultados se faz necessária.