Un artificiel
réseau de neurones est un nom pour un type de technologie informatique qui
tente d'imiter le cerveau humain. Un réseau neuronal artificiel ou ANN comprend
les neurones simulés et des stimuli pour les tentatives de reproduire les
fonctions du cerveau. Cette large gamme de logiciels et de dispositifs utilise
l'algorithme de neurones modèles pour créer les processus de prise que les
planificateurs espèrent imitent étroitement les processus de la pensée humaine
décision. Réseaux de neurones artificiels représentent un grand progrès des
idées relativement primitifs sur les ordinateurs dans les décennies
précédentes.
Le logiciel de
réseau neuronal est traditionnellement appliqué au jeu et d'autres tâches qui
impliquent la pensée humaine relativement calculé. Dans un sens plus
bio-physique, les réseaux de neurones sont basées sur l'examen de la façon dont
les neurones du cerveau communiquent et messages de relais. Les applications de
réseau de neurones comprennent l'interaction de diverses fonctions, où les
ingénieurs ont l'air à la sortie de production totale de voir comment ces
systèmes de réseaux de neurones artificiels peuvent effectivement imiter la
pensée humaine. Une variété de "applications de la vie réelle" pour
ANN inclure une analyse de régression, l'approximation de fonctions, de la
robotique, et en général le traitement des données.
Les différents
types de réseaux de neurones artificiels ont été développés pour différentes
dispositions de la recherche. Ceux-ci utilisent différents types de modèles
d'apprentissage tels que supervisé, non supervisé, ou l'apprentissage renforcé.
Types de réseaux de neurones comprennent un aller-simple réseau de neurones
anticipation , une fonction de base radiale ou réseau RBF, un réseau
d'auto-organisation de Kohonen, et les réseaux de neurones modulaires même où
un plus grand réseau est composé de plusieurs petits.
Un autre type de
nouvelle structure appliquée aux réseaux neuronaux artificiels est souvent
appelé un "comité de machines" où les différentes structures de
réseau fournissent chacun leur propre «voix» ou «opinion» dans un processus de
modélisation de décision. C'est aussi parfois appelé un réseau neuronal
associatif ou ASNN. L'avantage de ce type de recherche est évident pour les
ingénieurs qui croient que ASNN peut aider modèle groupe humain décision ou
autres modélisation complexe à certains égards semblables à l'individu la
réalisation de modèles de décision prévues par ANN.
Un principe qui
est souvent utilisé par un réseau neuronal artificiel est appelé la
"logique floue." Le mot "flou" est utilisé pour décrire les
lacunes dans les données ou de connaissances. Les réseaux de neurones sont
souvent en mesure de fermer certaines données ou lacunes en instruits deviner
et statistique de prédiction, qui est en contraste avec le strict "oui ou
non" logique binaire traditionnellement associés à la prise de décisions
électronique. Surmonter la logique floue permet de réseaux de neurones afin de
fournir de meilleurs résultats dans les simulations. En utilisant les blocs de
construction de la recherche précédente, les planificateurs et les ingénieurs
expérimentés avec les réseaux de neurones artificiels sont améliorons
continuellement ce que ces outils peuvent faire pour repousser les limites de
nos connaissances sur nos propres esprits.