Una rete neurale è un paradigma di elaborazione delle informazioni ispirato dal modo sistemi nervosi biologici, come il cervello di mammifero , informazioni di processo . Le reti neurali sono composte da un gran numero di elementi di elaborazione altamente interconnessi , noti come i neuroni , che lavorano insieme per risolvere problemi specifici . Vantaggi di reti neurali includono la loro capacità di "imparare" attraverso adattamenti dei collegamenti tra i neuroni . Problem Solving

reti neurali può aiutare a risolvere i problemi che sono troppo complessi per la tecnologia convenzionale che si basa sulla ricerca di una soluzione algoritmica . Problemi reali che richiedono pensiero adattabile includono previsioni di vendita, controllo dei processi industriali , la ricerca dei clienti , gestione del rischio , target marketing e analisi di texture. Le reti neurali aiutano in queste aree a causa della loro capacità di individuare il contenuto di dati complessi e impreciso .
Tempo reale Operazione

differenza dei computer seriali convenzionali , le reti neurali non eseguire istruzioni programmate . Invece , essi rispondono in parallelo al pattern di input presentate loro . Le reti neurali creare la propria organizzazione o la rappresentazione di informazioni immessa in loro durante il tempo di apprendimento . La memoria non è memorizzato separatamente, ma in tutta la rete . La "conoscenza " della rete è, quindi , più grande della somma delle sue singole parti .
Fault Tolerance

Se una rete neurale è in parte distrutta , alcune zone avranno una degradazione delle prestazioni . A differenza delle reti tradizionali , tuttavia, alcune funzionalità di una rete neurale sono mantenuti anche con gravi danni. Questo è molto simile a quando una persona subisce un danno cerebrale localizzato che colpisce solo determinate capacità cognitive .
Learning

reti neurali possiedono "regole di apprendimento" che permettono loro di imparare con l'esempio. Il più comune è la regola delta utilizzato con reti neurali back- propagational . Retro - propagazione riferisce alla propagazione all'indietro dell'errore . Imparare usando la regola delta è un processo controllato che accade ogni volta che la rete si presenta con un nuovo modello di input . La rete prevede ciò che il modello potrebbe essere e quindi confronta tale stima con ciò che è effettivamente presentato . Esso utilizza alcuna differenza per adeguare i propri collegamenti .