Un adaptatif
réseau de neurones est un système qui traite l'information et effectue des
ajustements sur le réseau en cas de besoin. De tels réseaux peuvent être
trouvés dans les systèmes informatiques ou dans les formes de vie organiques.
Ils sont utilisés pour interpréter de grandes quantités d'informations
complexes et sont à la base de moderne technologie d'intelligence artificielle.
Un réseau
neuronal adaptatif homme, également appelé réseau de neurones artificiels, est
calqué sur les réseaux de neurones naturellement dans le cerveau des humains et
des animaux. Ils fonctionnent en utilisant une série de capteurs de collecte
d'informations - les neurones - qui sont interprétées 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 Adaptive réseaux de neurones "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 différentes entrées. Le but de ce mode
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 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 être. Un
réseau peut soit apprendre en ligne ou hors ligne. L'apprentissage en ligne
signifie que le réseau apprend alors qu'il effectue aussi des tâches.
Apprentissage hors ligne nécessite le réseau d'apprendre séparément d'agir.
Actuellement, il
y a quatre principales tâches qui sont effectuées par des réseaux neuronaux
adaptatifs. Ils traitent tous de la transformation et de modèles
d'interprétation. 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 modèle, tels que les mots écrits ou parlés. Ce faisant, il
peut tenter de comprendre les modèles complètement inconnus sur la base de sa
compréhension des motifs connexes. Fournir une estimation de la valeur d'une
fonction est la troisième tâche principale, et est souvent utilisé dans les
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 dans 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 impliquent la technologie robotique de pointe.
Il est plus couramment utilisé par les analystes de données, depuis leur emploi
face à l'interprétation et le tri à travers de grandes quantités
d'informations. Un réseau de neurones artificiels peut aider un analyste
organiser ses données, effectuer des recherches et tester les modifications
possibles aux produits et services de son entreprise. Comme la technologie
devient plus avancée, les applications de réseaux de neurones deviendront plus fréquentes.