Un réseau neuronal adaptatif est un système qui traite les informations et effectue des réglages au réseau lorsque cela est nécessaire. Ces réseaux peuvent être trouvés dans les systèmes informatiques ou à des formes de vie organiques. Ils sont utilisés pour interpréter de grandes quantités d'informations complexes et sont la base de la technologie d'intelligence artificielle moderne.
Un réseau de neurones adaptatif fait de l'homme, aussi appelé un réseau de neurones artificiels, est calquée sur l'état naturel des réseaux de neurones dans le cerveau des humains et des animaux. Ils travaillent à l'aide d'une série de capteurs de collecte d'informations - les neurones - qui sont interprétés par une unité centrale de traitement. Ces connexions peuvent modifier et changer la façon dont ils interagissent avec l'unité centrale de traitement en fonction de leur propre évaluation de la façon de mener plus efficacement leurs fonctions.
Il y a deux façons principales d'un réseau neuronal adaptatif «apprend»: apprentissage supervisé et l'apprentissage non supervisé. L'apprentissage supervisé nécessite un homologue humain qui instruit le réseau sur la façon d'interpréter et d'interagir avec les différentes entrées. Le but de ce style d'apprentissage est de s'assurer qu'il n'y a pas d'erreurs dans les méthodes que le réseau neuronal adaptatif utilise pour traiter l'information, et de renforcer les actions souhaitées du réseau.
L'apprentissage non-supervisé repose sur l'unité centrale de traitement d'interagir avec son environnement et de prendre ses propres décisions sur la façon dont il devrait fonctionner sur la base de sa programmation originale. Pour ce faire, il organise et réorganise les informations qu'il reçoit et fait des prédictions sur ce que les résultats de l'évolution de ces données pourraient l'être. Un réseau peut soit apprendre en ligne ou hors ligne. L'apprentissage en ligne signifie que réseau apprend alors qu'il effectue également des tâches. Apprentissage hors ligne nécessite le réseau d'apprendre séparément d'agir.
Actuellement, il ya quatre tâches principales qui sont effectuées par des réseaux neuronaux adaptatifs. Ils traitent tous de traitement et d'interprétation des modèles. Premièrement, il y a regroupement, où le réseau examine un certain nombre de modèles et de groupes motifs liés en grappes.
Une deuxième tâche qu'un réseau neuronal adaptatif peut effectuer est de reconnaître et d'interpréter un motif, comme écrite ou parlée mots. En faisant cela, il peut tenter de comprendre les schémas complètement inconnus en fonction de sa compréhension des structures connexes. Fournir une estimation de la valeur d'une fonction est le troisième tâche principale, et est souvent utilisé en sciences ou en génie. La quatrième mission qu'un réseau neuronal adaptatif peut effectuer est de faire des prédictions de ce qui va se produire à l'avenir si des modifications sont apportées à certains modèles de données.
Un réseau de neurones artificiels est une forme d'intelligence artificielle et de ses utilisations les plus modernes technologies robotiques avancées impliquent. Il est plus couramment utilisé par les analystes de données, depuis leur emploi face à interpréter et trier de grandes quantités d'informations. Un réseau de neurones artificiels peut aider un analyste organiser ses données, mener des recherches et essais possibles changements dans les produits et services de son entreprise. Comme la technologie devient plus avancés, les applications de réseaux de neurones deviendront plus fréquents.