Redes neurais são os artefatos associados a um paradigma de processamento de informação com base na maneira neurônios - células do cérebro - de trabalho na mente humana . As redes neurais podem ser implementados em hardware ou software . A idéia básica é que muitas unidades separadas - neurônios artificiais - estão ligados de tal forma que as conexões são mutáveis ​​. À medida que as redes neurais aprendem a resolver um problema, os pontos fortes das interconexões mudar. A verdadeira força do paradigma de rede neural é que as redes neurais podem aprender a resolver problemas difíceis com as técnicas de programação comuns. Projetos de Rede Feedforward

Feedforward Networks aprender a reconhecer padrões . A rede é mostrado uma grande coleção representativa de bons e maus padrões, e disse qual é qual . Com o tempo, as conexões entre os neurônios são ajustados para o ponto onde até mesmo os novos padrões sejam corretamente identificados. As aplicações atuais de redes feedforward identificar caracteres escritos , assinaturas e impressões digitais. O modelo feedforward é uma boa para usar para projetos que devem aprender a distinguir os bons padrões de padrões ruins. Projetos de pesquisa atuais envolvem a identificação de células cancerosas , as tendências do mercado de ações e pedidos de empréstimo suspeitos

Kohonen Rede Projetos

redes de Kohonen , ou mapas de auto-organização , o trabalho sem supervisão. ; eles são mostrados um grande número de padrões , mas não é dito que são boas ou más . Kohonen redes agrupar os exemplos em clusters e , quando aparece um novo padrão , classificar corretamente o novo padrão para o conjunto correto. As aplicações atuais de redes de Kohonen incluem sistemas de linguagem automática , onde são utilizados para classificar os sons , ligando-os ao fonema válido mais próximo. Redes de Kohonen são úteis para qualquer projeto onde há uma série de exemplos de treinamento , mas eles não são classificados em bons ou maus exemplos. A pesquisa atual em redes de Kohonen incluem previsão do tempo e controle de veículos autônomos .

Bidirecional associativas projetos de memória

bidirecional Associative Memories ( BAMs ) são usadas quando dois complexos vetores deve ser equilibrado . Eles ajustar dinamicamente a força das interconexões entre dois níveis de neurônios. O BAM é diferente de outras arquiteturas de rede neural em que ele mantém a aprendizagem como o sistema funciona - aprendizagem nunca está completamente terminado . As aplicações atuais de BAMs incluem sistemas construídos em telefones e modems para equilibrar - e cancelar - linha ecos . Eles devem ser usados ​​sempre que a aprendizagem deve ser contínuo durante toda a vida do projeto. Projetos de pesquisa atuais que envolvem BAMs incluem sistemas que equilibram as coisas apenas com o movimento e para trás - . Sistemas como o que equilibram um pólo realizada em uma extremidade , movendo o ponto de equilíbrio e para trás

recursivas Projectos de Redes

redes recursivas trabalhar com padrões de séries temporais . Parte da saída do sistema é alimentado de volta para a entrada e as interligações entre os neurónios artificiais é ajustado até que a rede possa identificar correctamente uma sequência de níveis de entrada . As aplicações atuais envolvem momentos braço robótico e detecção automática do início das crises epilépticas. Este modelo deve ser usado com projetos que envolvem padrões que ocorrem ao longo do tempo . A pesquisa atual inclui sistemas que complementam e controlar sistemas protéticos - braços e pernas artificiais

.