曲线拟合问题代表了神经网络尝试识别和逼近任意输入输出关系。一旦网络对关系进行建模以达到必要的精度，它就可以用于各种任务，例如序列预测、函数逼近和函数优化。
函数逼近或建模是指使用给定的输入输出数据集合训练神经网络的行为（通常通过监督学习），以推断输入和输出之间的关系。训练后，这种 ANN 可以用作黑盒，其输入输出特性大约等于训练问题的关系。由于人工神经网络的模块化和非线性性质，它们被认为能够以任意精度逼近任何任意函数。在这种情况下，更高的精度代表了系统复杂性和泛化能力之间的权衡。
