bezeichnet im Kontext Neuronale Netze eine Vorschrift zur Einstellung der Parameter eines Netzes in Abhängigkeit von einer gegebenen Problemstellung unter Zugriff auf sogenannte Trainingswerte.

Manunterscheidetprinzipiellzwischenüberwachtem und unüberwachtem Lernen. Überwachtes Lernen liegt vor, wenn der Lernregel Trainingswerte mit korrekten Ein- und Ausgabewerten zur Verfügung stehen und auf diese zur Korrektur und Anpassung der Netzparameter zugegriffen wird (vgl. z. B. Backpropagation-Lernregel, Delta-Lernregel, Hebb-Lernregel, hyperbolische Lernregel, lernende Vektorquantisierung oder Perceptron-Lernregel).

Unüberwachtes Lernen ist dann gegeben, wenn auch für die Trainingswerte nicht die korrekten Ein- und Ausgabewerte bekannt sind und die Korrektur und Anpassung der Netzparameter durch die Lernregel ohne diese Information vorgenommen werden muß (vgl. z. B. adaptive-resonance-theory, Kohonen-Lernregel oder Oja-Lernregel).