Неурекс је експертски систем заснован на вишеслојној неуронској мрежи. Ера неуронских мрежа и конекционизма нуди нову перспективу у добијању поузданог знања за подршку одлучивању и његову кориснички једноставну примену. Традиционални експертски системи, који су засновани на правилима и/или оквирима, често се суочавају са изазовима у креирању поуздане базе знања. Неуронске мреже могу превазићи ове тешкоће. Могуће је креирати базу знања без стручњака, искључиво користећи колекције података које описују решену област, или са стручњацима чије се знање може проверити током процеса учења. Процес коришћења експертског система може се описати на следећи начин:
1. Дефиниција топологије неуронске мреже: Овај корак укључује дефинисање броја улазних и излазних чињеница, као и одређивање броја скривених слојева.
2. Формулација улазних и излазних чињеница (атрибута): Свака чињеница је повезана са неуроном у улазном или излазном слоју. Такође је дефинисан опсег вредности за сваки атрибут.
3. Дефиниција скупа за обуку: Обрасци се уносе коришћењем вредности истинитости (нпр. 0-100%) или вредности из опсега дефинисаног у претходним корацима.
4. Фаза учења мреже: Тежине веза (синапси) између неурона, нагиби сигмоидних функција и прагови неурона израчунавају се коришћењем методе повратног ширења (BP). Доступне су опције за дефинисање параметара за овај процес, као што су брзина учења и број циклуса учења. Ове вредности формирају меморију или базу знања експертског система. Резултати процеса учења приказују се коришћењем средње квадратне грешке, а такође се приказује и индекс најгорег обрасца и његова процентуална грешка.
5. Консултације/закључивање са системом: У овој фази се дефинишу вредности улазних чињеница, након чега се одмах изводе вредности излазних чињеница.