? Uma rede neural artificial é um modelo computacional programada que visa replicar a estrutura neural e do funcionamento do cérebro humano. Ele é constituído por uma estrutura interligada de neurónios produzidas artificialmente , que funcionam como vias para a transferência de dados . As redes neurais artificiais são flexíveis e adaptáveis, aprender e ajustar com cada diferentes estímulos internos ou externos . As redes neurais artificiais são usados ​​em seqüência e sistemas de reconhecimento de padrões , processamento de dados , robótica e modelagem. Existem diferentes tipos de redes neurais , incluindo a rede feedforward neural, função de base radial ( RBF) , Kohonen rede de auto -organização e da rede neural recorrente. Flexibilidade

As redes neurais artificiais têm a capacidade de generalizar e aprender. Eles adquirem conhecimento de seu ambiente , adaptando-se os parâmetros internos e externos. A rede aprende com exemplos e se adapta a situações com base nas suas conclusões. Ele generaliza o conhecimento para produzir respostas adequadas às situações desconhecidas . As redes neurais artificiais resolver problemas complexos que são difíceis de gerir por aproximação .
Não-linearidade

Um neurônio computacional pode produzir um linear ou uma resposta não- linear. Uma rede artificial não linear é feito pela interligação dos neurónios não- lineares . Sistemas não- lineares têm entradas que não são proporcionais às saídas. Esta função permite que a rede de adquirir conhecimento de forma eficiente através da aprendizagem. Esta é uma vantagem distinta sobre uma rede tradicionalmente linear que é inadequado quando se trata de modelagem de dados não- lineares.
Maior Fault Tolerance

Um neurônio artificial rede é capaz de maior tolerância a falhas do que uma rede tradicional. A rede é capaz de regenerar uma falha em qualquer um dos seus componentes , sem a perda de dados armazenados . Ele usa exemplos e exemplos do passado para remontar o funcionamento de um nó danificado ou outro constituinte rede.
Adaptive Aprendizagem

Uma rede neuronal artificial é baseado em torno do conceito de aprendizagem abstrata. Três paradigmas de aprendizagem funcionar para equipar a rede para a aprendizagem adaptativa. Trata-se de reforço de aprendizagem , aprendizado não-supervisionado e aprendizado supervisionado . Redes de neurônios podem ser treinadas via algoritmos especializados, incluindo métodos não paramétricos , expectativa de maximização , recozimento simulado e métodos evolutivos. Os neurônios de uma rede neuronal artificial são flexíveis o suficiente para estar em sintonia com diversos padrões de sinal de entrada e se acostumar com um diversificado leque de situações desconhecidas . Eles estão constantemente aceitar e substituindo as informações anteriormente aprendidas, mantendo o seu repositório de técnicas de resolução de problemas atualizado.