Uma rede neural é um paradigma de processamento de informação inspirada na forma como os sistemas nervosos biológicos, tais cérebros de mamíferos, informações do processo . As redes neurais são compostas por um grande número de elementos de processamento altamente interconectadas , conhecidas como neurônios, que trabalham em conjunto para resolver problemas específicos. Benefícios de redes neurais incluem a sua capacidade de "aprender" através de ajustes nas conexões entre os neurônios. Resolução de Problemas
redes

neurais podem ajudar a resolver problemas que são complexos demais para a tecnologia convencional que se baseia em encontrar uma solução algorítmica . Problemas do mundo real que requerem pensamento adaptável incluir previsão de vendas, controle de processos industriais , pesquisa de clientes , gestão de riscos , marketing alvo e análise de textura . Redes Neurais ajuda nessas áreas por causa de sua capacidade de extrair significado dos dados complicados e imprecisas .
Real-Time Operação

Ao contrário dos computadores série convencionais , redes neurais não executar instruções programadas. Em vez disso , eles respondem em paralelo com o padrão de entradas apresentadas a eles . As redes neurais criar sua própria organização ou representação de informação alimentada para eles durante o tempo de aprendizagem. A memória não é armazenado separadamente, mas em toda a rede . O "conhecimento" da rede é , portanto, maior do que a soma de suas partes individuais.
Fault Tolerance

Se uma rede neural é parcialmente destruído , algumas áreas terão uma degradação do desempenho . Ao contrário das redes tradicionais , no entanto, alguns recursos de uma rede neural são mantidos mesmo com grandes danos. Isto é o mesmo que quando uma pessoa sofre uma lesão cerebral localizada que afeta somente certas habilidades cognitivas.

Aprendizagem
redes neurais

possuem "regras de aprendizagem" que lhes permitam aprender pelo exemplo. O mais comum é a regra delta usado com redes neurais back- propagational . Back-Propagation refere-se à propagação de erro atrasado . Aprender usando a regra delta é um processo supervisionado que acontece cada vez que a rede é apresentado com um novo padrão de entrada . A rede prevê que o padrão pode ser e , em seguida, compara essa estimativa com o que é realmente apresentado. Ele usa qualquer diferença para fazer ajustes para suas conexões.