DSP tradițional se bazează pe algoritmi, schimbând datele de la o formă la alta prin proceduri pas cu pas. Majoritatea acestor tehnici necesită, de asemenea, parametri pentru a funcționa. De exemplu: filtrele recursive folosesc coeficienți recurenți, detectarea caracteristicilor poate fi implementată prin corelație și praguri, afișarea imaginii depinde de setările de luminozitate și contrast etc. Algoritmii descriu ce trebuie făcut, în timp ce parametrii oferă un punct de referință pentru a judeca datele. Selectarea corectă a parametrilor este adesea mai importantă decât algoritmul însuși. Rețelele neuronale duc această idee la extrem prin utilizarea algoritmilor foarte simpli, dar mulți parametri extrem de optimizați. Aceasta este o deviere revoluționară de la ramurile tradiționale ale științei și ingineriei: logica matematică și teoretizarea urmate de experimentare. Rețelele neuronale înlocuiesc aceste strategii de rezolvare a problemelor cu încercări și erori, soluții pragmatice și o metodologie "care funcționează mai bine decât asta". Acest capitol prezintă o varietate de aspecte privind selectarea parametrilor atât în ​​rețelele neuronale cât și în algoritmii DSP tradiționali.