This paper presents artificial neural networks (ANNs) for the recognition of either analogue or digital modulation types. Computer simulations of different types of band-limited, modulated signals corrupted by band-limited Gaussian noise sequence have been carried out to measure the performance of the ANN approach. The threshold SNR for the recognition of either analogue or digitally modulated signals with average success rate 98% is found to be about 10 dB. Comparisons of results from the ANN approaches and the decision-tree methods are presented.Dieser Aufsatz stellt kunstliche neuronale Netzwerke (ANNs) zur Erkennung analoger und digitaler Modulationsarten vor. Verschiedene Arten von bandbegrenzten, modulierten, durch bandbegrenztes Gaussrauschen gestorten Signalen sind am Rechner simuliert und zur Bestimmung der Leistungsfahigkeit des ANN-Ansatzes verwendet worden. Die Storabstandsgrenze fur die Erkennung analoger oder digitaler modulierter Signale liegt fur eine Erkennungssicherheit von im Durchschitt 98% etwa bei 10 dB. Ein Vergleich der Ergebnisse fur die ANN-Ansatze mit denen der Entscheidungsbaum-Methoden wird vorgelegt.Cet article presente des reseaux neuronaux artificiels (RNA) pour la reconnaissance de types de modulations analogiques aussi bien que numeriques. On a effectue des simulations informatiques de differents types de signaux modules eta bande limitee, corrompus par une sequence de bruit gaussien a bande limitee, afin de mesurer les performances de l'approche par RNA. Le rapport signal-sur-bruit de seuil pour la reconnaissance des signaux modules et pour un taux de succes en moyenne 98% se revele etre de 10 dB environ, et ce aussi bien dans le cas numerique que dans l'analogique. On presente des comparaisons de resultats entre les approches RNA et les methodes par arbre de decision.