学习规则是神经网络模型中的概念，其表示网络中权重会随着时间的推进而调整，一般被看做是长时间尺度的动力学规则。

一般情况下，学习规则依赖于神经元的激励值，其也可能依赖监督者提供的目标值、当前权重值。

例如手写识别使用的神经网络，存在一组输入神经元，其会被输入图像的数据激发，在激励值被加权且通过一个函数后，这些神经元的激励值会被传递到其他神经元，这个过程不断重发，直到输出神经元被激发，最终输出神经元的激励值决定识别出来的字母。