Tek Katmanlı Sinir Ağı (Perceptron) olan bu bölümde, sinir ağları bilgiyi ağırlıklar aracılığıyla öğrenir ve bu ağırlıklar ya denetimli (örüntü tanıma) ya da denetimsiz (fonksiyon yaklaşımı) öğrenme perspektiflerinden öğrenilir. Sinir ağları esasen gerçek sistemlerin yaklaşık temsili için kullanılan parametrik olmayan modelleme yaklaşımlarıdır. Bu nedenle, analitik (derinlemesine ve katı matematiksel) analizi zordur. Sinir ağlarını eğitmek için ağırlıkların girişler aracılığıyla sağlanan bilgiye dayanarak güncellenmesi gerekmektedir. Bu güncelleme süreci, sağlanan giriş bilgisini kullanan öğrenme kuralı olarak adlandırılır. Giriş bilgisini çıktı bilgisine eşleyen bu kural, sinir ağlarının bilgiyi sistemli bir şekilde saklamasını sağlar. Tek katmanlı sinir ağlarının temsilci öğrenme kuralı olan delta kuralı, sinir ağlarının eğitim sürecini yönlendirir. Tek katmanlı sinir ağının eğitim süreci, tek girişli tek çıkışlı (SISO), tek girişli çok çıkışlı (SIMO), çok girişli tek çıkışlı (MISO) veya çok girişli ve çok çıkışlı (MIMO) olabilir. Giriş ve çıkış sayısı, öğrenme problemi karakterine bağlı olarak değişir. Giriş verilerinin karakteri analiz edilmeli ve elde edilen içgörülere dayanarak sinir ağları oluşturulmalıdır.(AI)