Práce se zaměřuje na nastudování problematiky neuronových sítí, a to jak z pohledu matematického, tak částečně i z toho biologického. Biologická část této práce je přínosná zejména k pochopení fungování základního stavebního kamene neuronových sítí, perceptronu, který je z velké části předobrazem neuronu lidského. Jednotlivé kapitoly přechází od popisu základních modelů s jednou skrytou vrstvou k modelům vícevrstvým, které dokáží řešit i komplexnější příklady. Jako metoda učení byl zvolen algoritmus back-propagation, kvůli svému všestrannému využití. Všechny tyto výše popsané znalosti jsou dále aplikovány na časové řady z oblasti financí. Zpracování probíhalo v matematickém softwaru MATLAB, data byla připravována v programu EXCEL.The aim of this thesis is to study artificial neural networks. Main chapters were focused on mathematical part of this topic. However firstly was necessary to study biological neural networks because this knowledge was essential for creation the perceptron. In the first chapter you can find the basic models with one hidden layer and the models with more than one hidden layer networks. Following with advanced level of models which can solve various task in contrast with the basic models. Used teaching method was back-propagation algorithm because of its versatile usage. In the last part we have used artificial neural networks to predict financial time series. All work was made in MATLAB and EXCEL.