艾尔曼神经网络（Elman neural network），工学-控制科学与工程-智能控制-智能控制，针对语音处理的一种局部回归神经网络。由美国学者J.L.艾尔曼（J.L.Elman）于1990年提出。与多层前向神经网络的结构相似，包括输入层、隐含层和输出层，并在此基础上增加了一个由局部记忆单元和局部反馈连接构成的关联层。每一个隐含层节点都有一个与之对应的关联层节点与之连接，关联层的作用是通过联结记忆将上一个时刻的隐含层状态和当前时刻的网络输入一起作为隐含层的输入。隐含层节点的激励函数通常采用Sigmoid函数, 输出层采用线性函数。艾尔曼神经网络的训练算法可以采用动态反向传播算法、遗传算法等。由于关联层节点起到了存储网络内部状态的作用，关联层节点与隐含层节点的连接相当于系统内部状态反馈，因此艾尔曼神经网络可以用于检测和产生时变模式，在序列分析、系统辨识与控制、金融投资、大气环境预测等领域获得了广泛应用。