在人工神經網絡的數學理論中, 通用近似定理(或稱萬能近似定理)指出人工神經網絡近似任意函數的能力[1]。 通常此定理所指的神經網絡爲前饋神經網絡,並且被近似的目標函數通常爲輸入輸出都在歐幾里得空間的連續函數。但亦有研究將此定理擴展至其他類型的神經網絡,如卷積神經網絡[2][3]、放射狀基底函數網絡[4]、或其他特殊神經網絡[5]。
此定理意味着神經網絡可以用來近似任意的復雜函數,並且可以達到任意近似精準度。但它並沒有說明要如何選擇神經網絡參數(權重、神經元數量、神經層層數等等)來達到想近似的目標函數。