شبکه های عصبی مصنوعی که از جمله مباحث هوش محاسباتی است دارای کاربردهای بسیاری در مباحثی چون بازشناسی آماری الگو، خوشه بندی الگوها و تقریب توابع می باشد. مبانی عملکرد شبکه های عصبی بر استخراج دانش، ویژگی و نگاشت از داخل اطلاعات بر پایه ارائه بهنگام داده های عددی است. اساس پروژه حاضر تقریب توابع با استفاده از شبکه های عصبی است. بدین منظور ابتدائا معنی و مبنای شبکه های عصبی، مفهوم یادگیری در شبکه ها، انواع شبکه ها - هم از لحاظ توپولوژی و هم از لحاظ قوانین یادگیری - مرور می شود. در ادامه بحث تفصیلی درباره ((شبکه پرستپرون چند لایه)) که محور پروژه حاضر است ارائه می گردد سپس به قضیه معروف (( تقریب زننده های جهانی)) پرداخته شده و در جهت اثبات این قضیه براهینی اقامه می شود. در انتها نمونه هایی از تقریب توابع با استفاده از شبکه های عصبی شبیه سازی می گردد.