Keinotekoiset hermoverkot ovat tietojenkäsittelyjärjestelmiä, jotka perustuvat luonnollisiin hermostoihin, kuten ihmisen aivoihin. Ne koostuvat monista yksittäisistä keinotekoisista neuroneista, jotka ovat yhteydessä toisiinsa, voivat ratkaista ongelmia yhdessä ja joilla on kyky oppia. Toistuva hermoverkko (RNN) muistuttaa erityisesti ihmisen aivoja, koska se sisältää palautesilmukoita. Niiden avulla signaalit voivat kulkea sekä eteen että taaksepäin, mikä luo monimutkaisemman ja epävakaamman järjestelmän. Toistuva hermoverkko on dynaaminen ja jokaisen tulon jälkeen järjestelmän tila muuttuu jatkuvasti, kunnes se saavuttaa tasapainon.
Ihmisen aivot voidaan kuvata biologisiksi toistuviksi hermoverkkoiksi. Keinotekoinen toistuva hermoverkko jakaa aivojen kyvyn oppia prosesseja ja käyttäytymistä. Tämä ei ole mahdollista perinteisten koneoppimisen menetelmien avulla. Kuten muidenkin hermoverkkojen tyypit, toistuva hermoverkko on erityisen hyvä tunnistamaan malleja ja havaitsemaan suuntauksia. Tällaiselle laskentamallille on löydetty useita mahdollisia käyttötarkoituksia, mukaan lukien sairauden tunnistaminen lääketieteellisistä skannauksista, kehon järjestelmien mallintaminen, puhe- ja käsialan tunnistus ja osakemarkkinoiden ennustaminen.
Tyypillisesti toistuvaa hermoverkkoa käytetään ratkaisemaan ongelma, jossa tiedetään tai vahvasti epäillään, että syötetyn datan ja tuntemattoman lähdön välillä on jonkinlainen suhde. Verkko koulutetaan tai opettaa itse selvittämään tämän suhteen ja tarjoamaan mahdollisen tulosten arvon. Toistuva hermoverkko pystyy käsittelemään suuria monimutkaisia ongelmia, joissa jotkin arvot puuttuvat tai ovat vioittuneet. Sen kyky oppia esimerkistä tekee siitä tehokkaan ja joustavan ja poistaa tarpeen luoda algoritmi kullekin tietylle tehtävälle.
Toistuvia hermoverkkoja voidaan kuvata epälineaarisiksi tilastotiedon mallintamistyökaluiksi. Palautussilmukoiden läsnäolo tarkoittaa, että ne ovat mukautuvia järjestelmiä, jotka kykenevät reagoimaan muutoksiin. Robotiikan alalla käytetty toistuva hermoverkko voi antaa robotille mahdollisuuden oppia kokemuksesta ja antaa sen tehdä päätöksiä siitä, mihin suuntaan päästäkseen tavoitteeseen. Voi olla jopa mahdollista kehittää uteliaisuutta roboteissa tekemällä palkitsevaksi keskittyä asioihin, jotka ovat arvaamattomia, mutta eivät täysin satunnaisia. Jotkut tutkijat uskovat, että tietoisuus itsessään on mekaaninen prosessi ja että saattaa olla mahdollista kehittää tietoinen muoto toistuvasta hermoverkosta jonain päivänä, vaikka tämä johtaisi eettisiin kysymyksiin robottien ja koneiden oikeuksista.