En nevrale nettverk er en informasjonsbehandling paradigmet inspirert av måten biologiske nervesystem , slike pattedyr hjerner , bearbeide informasjon . Nevrale nettverk er sammensatt av et stort antall høyt sammenhengende behandling elementer , kjent som nevroner, som jobber sammen for å løse spesifikke problemer. Fordeler med nevrale nettverk omfatter deres evne til å " lære " gjennom justeringer av forbindelser mellom nerveceller . Problemløsning

Nevrale nettverk kan bidra til å løse problemer som er for komplisert for konvensjonell teknologi som baserer seg på å finne en algoritmisk løsning . Reelle problemer som krever tilpasningsdyktig tenkning inkluderer salgsprognoser , industriell prosesskontroll , kundeundersøkelser , risikostyring, målrette markedsføringen og tekstur analyse. Nevrale nettverk hjelp i disse områdene på grunn av deres evne til å utlede mening fra kompliserte og upresise data .
Real-Time Operation

motsetning til konvensjonelle serielle datamaskiner , nevrale nettverk ikke utføre programmerte instruksjoner. I stedet reagerer de parallelt til mønsteret av inngangene presenteres for dem . Nevrale nettverk lage sin egen organisasjon eller representasjon av informasjon mates inn i dem i løpet av læringsprosessen tid . Minne er ikke lagret separat , men over hele nettverket . "Kunnskap " av nettverket er derfor større enn summen av de enkelte delene .
Feiltoleranse
p Hvis et nettverk er delvis ødelagt vil noen områder har en redusert ytelse . I motsetning til tradisjonelle nettverk , men er noen egenskapene til et nettverk opprettholdt selv med store skader . Dette er mye det samme som når en person lider lokaliserte hjerneskade som påvirker bare visse kognitive evner.
Bilder Learning

Nevrale nettverk besitter " læring regler" som tillater dem å lære ved eksempel. Den vanligste er deltaet regelen brukes med back- propagational nevrale nettverk . Tilbake - forplantning refererer til den bakover forplantning av feil . Lære å bruke deltaet regelen er en veiledet prosess som skjer hver gang nettverket er presentert med en ny inngang mønster . Nettverket spår hva mønsteret kan være og deretter sammenligner at anslaget med hva det faktisk er presentert. Den bruker noen forskjell å gjøre justeringer til sine forbindelser .