Neuronsko učenje temelji se na uvjerenju da mozak radi kao računalo kada obrađuje nove informacije. Unos podataka, organizacija i dohvaćanje primarni su faktori. Biološka osnova neuralnog učenja je neuralni sustav, koji se odnosi na međusobno povezane strukture moždanih stanica. Ovo razumijevanje odnosa između strukture i funkcije mozga primijenjeno je za razvoj boljeg učenja i koncepta zadržavanja pamćenja. Okvir također služi kao osnova za sustave umjetnih neuronskih mreža.
Prema modelu neuronskog učenja, informacija prvo ulazi u mozak putem unosa podataka. Mozak tada mora pohraniti te informacije i kombinirati ih s već prisutnim informacijama putem organizacije podataka. Posljednji korak je dohvaćanje podataka, u kojem mozak razvija sustave za uzimanje pohranjenih informacija iz uma i njihovo korištenje. Neuronsko učenje se stoga odnosi na te kolektivne procese u kojima mozak prikuplja, pohranjuje i koristi informacije stečene životnim iskustvima. Ponekad procesi učenja postaju toliko kodirani u mozgu da se dohvaćanje informacija događa gotovo automatski, kao u prijetećim situacijama.
Memorija je stoga vitalni koncept u neuronskom učenju, baš kao što je to slučaj s računalima. Učinkovito kodiranje informacija može se pomoći mnemotehničkim tehnikama. Ove metode uključuju pamćenje velikih komada informacija putem memorijskih znakova. Na primjer, pojedinac bi mogao pokušati naučiti dugi niz riječi stvaranjem rečenice u kojoj svaka riječ sadrži prvo slovo svake riječi na popisu. Drugi pristup mogao bi uključivati stvaranje maštovite vizualne slike koja predstavlja riječ. Ovaj pristup je uobičajen u pamćenju složenih informacija poput medicinskih izraza.
Mnemotehnički uređaji često ovise o drugom važnom konceptu u neuronskom učenju: tipu stila učenja koji je mozak najsposobniji za implementaciju. Neki su pojedinci iskusniji s metodama vizualnog učenja, dok drugi rade bolje kada se učenje više temelji na čitanju ili na riječima. Drugi pristupi mogu uključivati auditivno učenje i primijenjeno kooperativno učenje.
Neki učitelji neuralnog učenja prihvaćaju holistički pristup učenju. Drugim riječima, pojedinci bi trebali razmatrati ideje i koncepte na naturalistički način, umjesto da se oslanjaju na metode učenja napamet koje naglašavaju specifične i izolirane činjenice. Zapisivanje bi se stoga moglo sastojati od pristupa poput stabla u kojem se koncepti granaju jedan od drugog, a pojedinci stvaraju svoje jedinstvene asocijacije kako bi učvrstili koncepte u svom sjećanju.
Prijenos i pohrana informacija odvija se među mrežama neurona ili moždanih stanica. Neuronske mreže također su osnova mnogih umjetne inteligencije. Zapravo, neuronsko učenje ponekad se odnosi na metode dizajna umjetne inteligencije koje oponašaju ljudske neuralne strukture. Takve neuronske mreže pokazale su se korisnima u brojnim složenim područjima izvedbe strojeva, od prepoznavanja govora do implementacije kontrola za robote.
Za ove metode, umjetne male strukture koje su oblikovane prema ljudskim neuronima poznate su kao jedinice ili čvorovi. Poput neurona, ove jedinice su programirane za primanje dolaznih informacija ili ulaza, kao i za prijenos informacija ili izlaza. U strojevima s umjetnom inteligencijom ulazne i izlazne komponente se više puta povezuju tako da se stvaraju asocijacije unutar sustava umjetne inteligencije. Ove formirane asocijacije čine neuronsko učenje za sustav i — poput ljudskog učenja — asocijacije se mogu ojačati kako se kodiraju i pamte. Jačanje se događa putem pravila učenja ili ponderiranih mjerenja i matematičkih neuronskih algoritama.