相互結合型ネットワークは概念的に示すと 図 3.1 のような構成を している。
このネットワークでは、全てのニューロンが適当に散在しており、 適当なニューロンとニューロンの間に単方向または双方向の結合が存在している。 そのため、あるニューロンが出力した情報は、他のニューロンを経由して加工され、 いくつかの単位時間の後に再び元のニューロンの入力として戻ってくる場合がある わけである。これをフィードバックといい、これによってネットワークの動作が 複雑になる。
具体的なモデルとして代表的なものが 図 3.2 に示す ホップフィールドネットワークで、これは全てのニューロンが互いに 双方向結合されているものである。つまり、ある一つのニューロンの入力には 自分自身を除く他の全てのニューロンの出力が結合されているネットワーク ということである。
このモデルは主に、相関学習による連想記憶などに用いられている。