یادگیری تطبیقی : توانایی یادگیری اینکه چگونه وظایف خود را بر اساس اطلاعات داده شده به آن و یا تجارب اولیه انجام دهد در واقع اصلاح شبکه را گویند. خود سازماندهی : یک ANN به صورت خودکار سازماندهی و ارائه داده هایی که در طول آموزش دریافت کرده را انجام دهد. نرونها با قاعده‌ی یادگیری سازگار شده و پاسخ به ورودی تغییر می‌یابد. عملگرهای بلادرنگ : محاسبات درANN می‌تواند به صورت موازی و به وسیله سخت‌افزارهای مخصوصی که طراحی و ساخت آنها برای دریافت نتایج بهینه قابلیتهای ANN است انجام شود. تحمل خطا : با ایجاد خرابی در شبکه مقداری از کارایی کاهش می‌یابد ولی برخی امکانات آن با وجود مشکلات بزرگ همچنان حفظ می‌شود. دسته بندی : شبکه های عصبی قادر به دسته بندی ورودیها برای دریافت خروجی مناسب می‌باشند. تعمیم دهی : این خاصیت شبکه را قادر می‌سازد تا تنها با برخورد با تعداد محدودی از یک نمونه‌های یک قانون کلی آن را به دست آورده نتایج این آموخته‌ها را به موارد مشاهده نشده از قبل نیز تعمیم دهد. توانایی که در صورت نبود آن سیستم باید بی‌نهایت واقعیتها و روابط را به خاطر بسپارد. انعطاف پذیری- پایداری : یک شبکه عصبی هم به حد کافی پایدار است تا اطلاعات فراگرفته‌ی خود را حفظ کند و هم قابلیت انعطاف و تطبیق را دارد و بدون از دست دادن اطلاعات قبلی می‌تواند موارد جدید را بپذیرد