ซอฟต์แวร์เครือข่ายประสาทเทียมถูกนำมาใช้เพื่อจำลองวิจัยพัฒนาและประยุกต์ใช้เครือข่ายประสาทเทียมซึ่งเป็นแนวคิดซอฟต์แวร์ที่ดัดแปลงมาจากเครือข่ายประสาททางชีววิทยาและในบางกรณีระบบปรับตัว ที่หลากหลายกว่า เช่นปัญญาประดิษฐ์และ การเรียน รู้ ของเครื่องจักร

โปรแกรมจำลองโครงข่ายประสาทเทียมเป็นแอปพลิเคชันซอฟต์แวร์ที่ใช้จำลองพฤติกรรมของโครงข่ายประสาทเทียมหรือโครงข่ายประสาทชีวภาพ โดยจะเน้นที่โครงข่ายประสาทเฉพาะประเภทใดประเภทหนึ่งหรือจำนวนจำกัด โดยทั่วไปแล้วโปรแกรมจำลองเหล่านี้จะทำงานแบบเดี่ยวๆ และไม่ได้มีจุดประสงค์เพื่อสร้างโครงข่ายประสาททั่วไปที่สามารถนำไปบูรณาการกับซอฟต์แวร์อื่นๆ ได้ โปรแกรมจำลองมักจะมีระบบแสดงผลข้อมูล ในตัว เพื่อตรวจสอบกระบวนการฝึกฝน บางโปรแกรมจำลองยังแสดงภาพโครงสร้างทางกายภาพของโครงข่ายประสาทด้วย

ในอดีต ซอฟต์แวร์เครือข่ายประสาทเทียมที่ใช้กันมากที่สุดนั้นมีจุดประสงค์เพื่อการวิจัยโครงสร้างและอัลกอริธึมของเครือข่ายประสาทเทียม เป้าหมายหลักของซอฟต์แวร์ประเภทนี้คือการจำลองเพื่อทำความเข้าใจพฤติกรรมและคุณสมบัติของเครือข่ายประสาทเทียมให้ดียิ่งขึ้น ปัจจุบันในการศึกษาเครือข่ายประสาทเทียมนั้น โปรแกรมจำลองได้ถูกแทนที่ด้วยสภาพแวดล้อมการพัฒนาแบบใช้ส่วนประกอบทั่วไปมากขึ้นในฐานะแพลตฟอร์มการวิจัย

โปรแกรม จำลองโครงข่ายประสาทเทียมที่ใช้กันทั่วไป ได้แก่Stuttgart Neural Network Simulator (SNNS) และEmergent

อย่างไรก็ตาม ในการศึกษาเครือข่ายประสาททางชีววิทยา ซอฟต์แวร์จำลองยังคงเป็นวิธีการเดียวที่มีอยู่ ในโปรแกรมจำลองเหล่านี้ คุณสมบัติทางกายภาพ ชีวภาพ และเคมีของเนื้อเยื่อประสาท รวมถึงแรงกระตุ้นทางแม่เหล็กไฟฟ้าระหว่างเซลล์ประสาท จะถูกนำมาศึกษา

โปรแกรมจำลองเครือข่ายชีวภาพที่ใช้กันทั่วไปได้แก่ Neuron , GENESIS , NESTและBrian

แตกต่างจากโปรแกรมจำลองเพื่อการวิจัย โปรแกรมจำลองเพื่อการวิเคราะห์ข้อมูลมีจุดประสงค์เพื่อการประยุกต์ใช้โครงข่ายประสาทเทียมในทางปฏิบัติ โดยเน้นที่การขุดค้นข้อมูลและการพยากรณ์เป็นหลัก โปรแกรมจำลองเพื่อการวิเคราะห์ข้อมูลมักมีฟังก์ชันการประมวลผลล่วงหน้าอยู่บ้าง แตกต่างจากสภาพแวดล้อมการพัฒนาทั่วไป โปรแกรมจำลองเพื่อการวิเคราะห์ข้อมูลใช้โครงข่ายประสาทเทียมแบบคงที่ที่ค่อนข้างง่ายซึ่งสามารถกำหนดค่าได้ โปรแกรมจำลองเพื่อการวิเคราะห์ข้อมูลส่วนใหญ่ในท้องตลาดใช้โครงข่ายแบบย้อนกลับ (backpropagating networks) หรือแผนที่จัดระเบียบตนเอง (self-organizing maps) เป็นแกนหลัก ข้อดีของซอฟต์แวร์ประเภทนี้คือใช้งานง่ายNeural Designerเป็นตัวอย่างหนึ่งของโปรแกรมจำลองเพื่อการวิเคราะห์ข้อมูล

เมื่อParallel Distributed Processing volumes ^{[ 1 ] [ 2 ] [ 3 ]}ออกวางจำหน่ายในปี 1986–87 ซอฟต์แวร์ที่ได้นั้นค่อนข้างเรียบง่าย ซอฟต์แวร์ PDP ดั้งเดิมไม่จำเป็นต้องใช้ทักษะการเขียนโปรแกรมใดๆ ซึ่งนำไปสู่การนำไปใช้งานโดยนักวิจัยหลากหลายสาขา ซอฟต์แวร์ PDP ดั้งเดิมได้รับการพัฒนาเป็นแพ็กเกจที่มีประสิทธิภาพมากขึ้นเรียกว่า PDP++ ซึ่งต่อมาได้กลายเป็นแพลตฟอร์มที่มีประสิทธิภาพยิ่งขึ้นไปอีกเรียกว่า Emergentในแต่ละการพัฒนา ซอฟต์แวร์ก็มีประสิทธิภาพมากขึ้น แต่ก็ยากต่อการใช้งานสำหรับผู้เริ่มต้นมากขึ้นเช่นกัน

ในปี พ.ศ. 2540 ซอฟต์แวร์ tLearn ได้รับการเผยแพร่เพื่อประกอบกับหนังสือ^{[ 4 ]} นี่เป็นการกลับมาสู่แนวคิดของการจัดหาโปรแกรมจำลองขนาดเล็กที่ใช้งานง่ายซึ่งออกแบบมาโดยคำนึงถึงผู้เริ่มต้น tLearn อนุญาตให้ใช้เครือข่ายฟีดฟอร์เวิร์ดพื้นฐานพร้อมกับเครือข่ายแบบวนซ้ำอย่างง่าย ซึ่งทั้งสองแบบสามารถฝึกฝนได้ด้วยอัลกอริธึมการแพร่กระจายย้อนกลับอย่างง่าย tLearn ไม่ได้รับการอัปเดตตั้งแต่ปี พ.ศ. 2542

ในปี 2011 โปรแกรมจำลอง Basic Prop ได้ถูกปล่อยออกมา Basic Prop เป็นแอปพลิเคชันแบบครบวงในตัวเอง เผยแพร่ในรูปแบบไฟล์ JAR ที่ใช้งานได้กับทุกแพลตฟอร์ม และมีฟังก์ชันการทำงานพื้นฐานส่วนใหญ่เหมือนกับ tLearn

สภาพแวดล้อมการพัฒนาสำหรับโครงข่ายประสาทเทียมแตกต่างจากซอฟต์แวร์ที่กล่าวมาข้างต้นหลักๆ สองประการ คือ สามารถใช้ในการพัฒนาโครงข่ายประสาทเทียมแบบกำหนดเองได้ และรองรับการใช้งานโครงข่ายประสาทเทียมภายนอกสภาพแวดล้อมนั้น ในบางกรณี สภาพแวดล้อมเหล่านี้ยังมี ขีดความสามารถ ในการประมวลผล ล่วงหน้า การวิเคราะห์ และการแสดงผลขั้นสูงอีกด้วย

รูปแบบการพัฒนาที่ทันสมัยกว่า ซึ่งเป็นที่นิยมในปัจจุบันทั้งในภาคอุตสาหกรรมและวิทยาศาสตร์นั้น มีพื้นฐานมาจากกระบวนทัศน์แบบส่วนประกอบเครือข่ายประสาทเทียมถูกสร้างขึ้นโดยการเชื่อมต่อส่วนประกอบตัวกรองแบบปรับได้ในท่อกรอง วิธีนี้ช่วยให้มีความยืดหยุ่นมากขึ้น เนื่องจากสามารถสร้างเครือข่ายแบบกำหนดเองได้ รวมถึงใช้ส่วนประกอบแบบกำหนดเองในเครือข่ายได้ ในหลายกรณี วิธีนี้ช่วยให้สามารถทำงานร่วมกันระหว่างส่วนประกอบแบบปรับได้และแบบไม่ปรับได้ การไหลของข้อมูลถูกควบคุมโดยระบบควบคุม ซึ่งสามารถแลกเปลี่ยนได้ รวมถึงอัลกอริธึมการปรับตัว คุณสมบัติที่สำคัญอีกประการหนึ่งคือความสามารถในการใช้งาน

ด้วยการถือกำเนิดของเฟรมเวิร์กแบบคอมโพเนนต์ เช่น.NETและJava สภาพแวดล้อมการพัฒนาแบบคอมโพเนนต์จึงสามารถนำโครงข่ายประสาทเทียมที่พัฒนาขึ้นไปใช้งานในเฟรมเวิร์กเหล่านี้ในรูปแบบของคอมโพเนนต์ที่สืบทอดได้ นอกจากนี้ ซอฟต์แวร์บางตัวยังสามารถนำคอมโพเนนต์เหล่านี้ไปใช้งานบนแพลตฟอร์มต่างๆ ได้ เช่นระบบฝังตัว

สภาพแวดล้อมการพัฒนาแบบใช้ส่วนประกอบ ได้แก่Peltarion Synapse , NeuroDimension NeuroSolutions , Scientific Software Neuro Laboratory และ ซอฟต์แวร์แบบบูรณา การ LIONsolver ส่วนสภาพแวดล้อมแบบใช้ส่วนประกอบโอ เพนซอร์สฟรีได้แก่EncogและNeuroph

ข้อเสียอย่างหนึ่งของสภาพแวดล้อมการพัฒนาแบบใช้ส่วนประกอบคือมีความซับซ้อนมากกว่าโปรแกรมจำลอง ต้องใช้เวลาเรียนรู้มากขึ้นในการใช้งานอย่างเต็มรูปแบบ และการพัฒนาก็ซับซ้อนกว่าด้วย

อย่างไรก็ตาม การใช้งานโครงข่ายประสาทเทียมส่วนใหญ่ที่มีอยู่ มักเป็นการใช้งานแบบกำหนดเองในภาษาโปรแกรมต่างๆ และบนแพลตฟอร์มต่างๆ โครงข่ายประสาทเทียมพื้นฐานนั้นง่ายต่อการใช้งานโดยตรง นอกจากนี้ยังมีไลบรารีการเขียนโปรแกรม มากมาย ที่มีฟังก์ชันการทำงานของโครงข่ายประสาทเทียมและสามารถนำมาใช้ในการใช้งานแบบกำหนดเองได้ (เช่นTensorFlow , Theanoเป็นต้น ซึ่งโดยทั่วไปจะมีการเชื่อมต่อกับภาษาต่างๆ เช่นPython , C++ , Java )

เพื่อให้แอปพลิเคชันต่างๆ สามารถใช้งานโมเดลเครือข่ายประสาทเทียมร่วมกันได้ จำเป็นต้องมีภาษาที่ใช้ร่วมกันภาษา Predictive Model Markup Language (PMML) จึงถูกเสนอขึ้นมาเพื่อตอบสนองความต้องการนี้ PMML เป็นภาษาที่ใช้ XML เป็นพื้นฐาน ซึ่งช่วยให้แอปพลิเคชันต่างๆ สามารถกำหนดและแบ่งปันโมเดลเครือข่ายประสาทเทียม (และโมเดลการทำเหมืองข้อมูลอื่นๆ) ระหว่างแอปพลิเคชันที่รองรับ PMML ได้

PMML มอบวิธีการกำหนดโมเดลที่ไม่ขึ้นกับผู้จำหน่ายรายใดรายหนึ่ง เพื่อให้ปัญหาเรื่องกรรมสิทธิ์และความไม่เข้ากันไม่เป็นอุปสรรคต่อการแลกเปลี่ยนโมเดลระหว่างแอปพลิเคชันอีกต่อไป ช่วยให้ผู้ใช้สามารถพัฒนาโมเดลภายในแอปพลิเคชันของผู้จำหน่ายรายหนึ่ง และใช้แอปพลิเคชันของผู้จำหน่ายรายอื่นเพื่อแสดงภาพ วิเคราะห์ ประเมิน หรือใช้งานโมเดลเหล่านั้นในรูปแบบอื่น ก่อนหน้านี้ การทำเช่นนี้เป็นเรื่องยากมาก แต่ด้วย PMML การแลกเปลี่ยนโมเดลระหว่างแอปพลิเคชันที่เข้ากันได้จึงทำได้ง่ายขึ้นแล้ว

มีการนำเสนอผลิตภัณฑ์หลากหลายประเภทเพื่อใช้ในการผลิตและบริโภค PMML รายชื่อผลิตภัณฑ์ที่เพิ่มขึ้นเรื่อยๆ นี้รวมถึงผลิตภัณฑ์เครือข่ายประสาทเทียมดังต่อไปนี้:

• R: สร้าง PMML สำหรับโครงข่ายประสาทเทียมและโมเดลการเรียนรู้ของเครื่องอื่นๆ ผ่านแพ็กเกจ pmml
• SAS Enterprise Miner: สร้างไฟล์ PMML สำหรับโมเดลการทำเหมืองข้อมูลหลายแบบ รวมถึงโครงข่ายประสาทเทียมการถดถอยเชิงเส้นและโลจิสติกส์ ต้นไม้ตัดสินใจ และโมเดลการทำเหมืองข้อมูลอื่นๆ
• SPSS: สร้าง PMML สำหรับโครงข่ายประสาทเทียม รวมถึงโมเดลการทำเหมืองข้อมูลอื่นๆ อีกมากมาย
• STATISTICA: สร้าง PMML สำหรับโครงข่ายประสาทเทียม โมเดลการขุดข้อมูล และโมเดลทางสถิติแบบดั้งเดิม

• เอดีลุต
• ฉุกเฉิน
• เอ็นโคก
• โจนส์
• นิวโรฟ
• นิวโรโซลูชันส์
• โอเพ่นเอ็นเอ็น
• ไซแนปส์เพลทาริออน
• SNNS

• ตัวเร่งความเร็ว AI
• เครือข่ายประสาททางกายภาพ
• การเปรียบเทียบซอฟต์แวร์การเรียนรู้เชิงลึก
• การขุดข้อมูล
• สภาพแวดล้อมการพัฒนาแบบบูรณาการ
• การถดถอยโลจิสติก
• เมมริสเตอร์

• การเปรียบเทียบโปรแกรมจำลองโครงข่ายประสาทเทียมบันทึกไว้เมื่อวันที่ 11 มีนาคม 2016 ที่Wayback Machineของมหาวิทยาลัยโคโลราโด