Science fiction møter science fact i utformingen av kunstige nevrale nettverk og etablering av kunstig intelligens . Basert på den menneskelige hjernens nevroner og nettverksfunksjoner , en kunstig nevrale nettverk eller ANN utfører oppgaver på en lignende måte. Som et menneske , ikke et nettverk ikke trenger å bli " omprogrammert " når det lærer noe . Mate Forward ANN

En feed -forward nettverk er en enkel nevrale nettverk som består av en inngang lag, en utgang lag og ett eller flere lag av nerveceller . Kraften i nettverk er funnet i gruppen oppførselen til de tilkoblede nevroner som det utvikler seg - gjennom evaluering av produksjonen sin ved å gjennomgå sin inngang - " . Output" og avgjøre om opplysningene trukket inn er nok til å rettferdiggjøre et svar eller en Dette nettverket lærer å vurdere og anerkjenne innspill mønstre .
Tilbakemelding ANN

Tilbakemeldingene nettverket mater informasjon tilbake til seg selv og er godt egnet til å løse optimalisering problemer , i henhold til university of Massachusetts , Lowell Center for Atmospheric Research. I stedet for å bestemme den beste utgang respons , går produksjonen tilbake til nettverket for å oppnå de best utviklede resultater internt. Intern systemfeil korreksjoner bruke tilbakemeldinger Anns .
Klassifisering -Tips ANN

En undergruppe av feed-forward ANN gjelder klassifisering - prediksjon ANN til data -mining scenarier. Nettverket er opplært til å gjenkjenne bestemte mønstre og klassifisere dem inn i bestemte grupper og deretter videre klassifisere dem inn i "nye mønstre, " nye til nettverket.