神经网络是可以部署在小型嵌入式设备上的最强大的 ML 方法之一。神经网络的灵感来自人类大脑，是一组旨在识别模式的算法。神经网络通过一种机器感知来解释感官数据，它们标记或聚类原始输入并将该输入映射到正确的响应。它们识别的模式是数字，包含在向量中，任何数据（如图像、声音、文本或时间序列）都必须转换成向量。神经网络被描述为具有层、输入层、一个或多个隐藏层和输出层。每个节点或人工神经元都连接到另一个节点，并具有相关的权重和阈值。如果任何单个节点的输出高于指定的阈值，则该节点被激活，将数据发送到网络的下一层。否则，没有数据传递到网络的下一层。