Ein neuronales Netz ist ein Informations- Verarbeitung Paradigma durch die Art und Weise biologischen Nervensystem , wie Säugetier- Gehirn -, Prozess- Informationen inspiriert. Neuronale Netze werden von einer großen Anzahl von miteinander verbundenen Verarbeitungselementen hoch , wie Neuronen bekannt , die zusammen arbeiten, um spezifische Probleme bestehen . Vorteile von neuronalen Netzen gehören ihre Fähigkeit zu "lernen" durch Anpassungen an den Verbindungen zwischen den Neuronen. Problemlösung

Neuronale Netze können helfen, Probleme zu lösen , die zu komplex sind für konventionelle Technologie, die auf der Suche nach einer algorithmischen Lösung beruht . Problemen der realen Welt , die anpassungsfähig Denken erfordern, gehören Umsatzprognosen , industrielle Prozesssteuerung , Kunden- Forschung , Risikomanagement, zielgerichtetes Marketing und Textur -Analyse. Neuronale Netze in diesen Bereichen helfen aufgrund ihrer Fähigkeit zur Ableitung von Bedeutung kompliziert und ungenau Daten .
Real-Time Betrieb

Im Gegensatz zu herkömmlichen seriellen Computer , neuronale Netze nicht programmierte Befehle ausführen . Stattdessen werden sie parallel zu dem Muster der Eingänge dargestellt auf sie zu reagieren . Neuronale Netze erstellen ihre eigene Organisation oder Darstellung von Informationen in ihnen während der Lernzeit zugeführt. Der Speicher wird nicht separat ausgewiesen, sondern im gesamten Netzwerk gespeichert. Das "Wissen" des Netzwerks ist daher größer als die Summe seiner Einzelteile .
Fault Tolerance

Wenn ein neuronales Netz ist teilweise zerstört , werden einige Bereiche haben eine Verschlechterung der Leistung. Im Gegensatz zu herkömmlichen Netzwerken, jedoch sind einige Funktionen eines neuronalen Netzes auch bei größeren Schäden erhalten. Das ist viel das gleiche wie wenn eine Person leidet lokalisierte Hirnschädigungen , die nur bestimmte kognitive Fähigkeiten auswirkt.
Lernen

Neuronale Netze besitzen "Lernen Regeln" , die ihnen erlauben lernen durch Beispiel. Die häufigste ist die Delta-Regel mit Back- propagational neuronale Netze eingesetzt. Back- Propagation bezieht sich auf die rückwärts Fehlerfortpflanzung . Lernen mit der Delta-Regel ist ein überwachter Prozess, der jedes Mal, wenn das Netzwerk mit einem neuen Eingang Muster präsentiert wird passiert. Das Netzwerk sagt , was das Muster sein könnte und vergleicht dann diese Schätzung mit dem, was sie tatsächlich vorgestellt. Es nutzt einen Unterschied zu Anpassungen ihrer Verbindungen herzustellen.