フィードフォワードニューラルネットワーク（FFNN）は、人工ニューラルネットワークの最も基本的な構造の一つであり、順伝播型ネットワークとも称されます。
その本質は、情報が入力層から隠れ層を経て出力層へと、一方向にのみ流れる点にあります。このアーキテクチャでは、サイクルやループは存在しません。
各ニューロン、またはノードは、先行する層の複数のニューロンから入力を受け取り、それらを重み（）付けし、バイアス（）を加算した後に、活性化関数（例：ReLU、シグモイド）を適用して、出力を生成します。この処理は層間で順次実行されます。
特に多層パーセプトロン（MLP）は、フィードフォワードネットワークの典型的な形態であり、少なくとも一つの隠れ層を備えます。
ネットワークの学習プロセスでは、誤差逆伝播法を用いて、出力層で計算された予測値と正解値との間の誤差（損失関数）に基づき、勾配降下法などによって各層の重みとバイアスが最適化されます。
FFNNは、分類や回帰といったタスクにおいて広く利用されます。