Коннекционистские модели основаны на сетях из простых вычислительных единиц, называемых узлами или нейронами, которые связаны взвешенными связями.
Обучение обычно происходит путём настройки этих весов связей для преобразования входных данных в желаемые выходы.
Типичные примеры — искусственные нейронные сети, обучаемые с помощью алгоритмов, таких как обратное распространение ошибки.
Коннекционистские модели характеризуются параллелизмом, распределённостью и устойчивостью к помехам, и хорошо подходят для распознавания образов и когнитивных задач.
Они противопоставляются символическим моделям, так как знания кодируются не явно, а распределённо в связях.