递归网络与
前馈网络有所不同，递归网络中节点间连接方式存在反馈，即神经元之间存在着反馈回路。因此在递归网络中，输入也可以由同一层的各节点通过反馈回路输入，还可以由下一层的各节点通过反馈回路输入。递归网络中至少存在一个反馈环，反馈环对整个神经网络的学习、“记忆”等性能有较深的影响。前馈网络的输出由源节点的输入、网络结构及参数来决定，与过去的输出无关，因而不具有“记忆”能力；由于反馈回路的作用，反馈网络的输出不仅与源节点的输入、网络结构及参数有关，还与网络过去的输出有关，因而反馈网络具备“记忆”的能力。
从效果上看，前馈网络主要是函数的映射，可用作函数逼近和
模式识别；而递归网络按能力函数的极小点可分为全部极小点起作用和局部极小点起作用两类，前者可用于各种联想存储器，后者主要用于各种优化问题。