Ett artificiellt neuralt nätverk är ett namn för en sorts datorteknik som försöker efterlikna den mänskliga hjärnan. Ett artificiellt neuralt nätverk eller ANN inkluderar simulerade neuroner och stimuli för försök att reproducera hjärnans funktioner. Det här breda utbudet av programvara och enheter använder neurala algoritmmodeller för att skapa beslutsprocesser som planerare hoppas kommer att nära efterlikna mänskliga tankeprocesser. Artificiella neurala nätverk representerar ett stort framsteg från relativt primitiva idéer om datorer under tidigare decennier.
Neural nätverksprogramvara används traditionellt för spel och andra uppgifter som involverar relativt beräknade mänskliga tankar. I en mer biofysisk mening bygger neurala nätverk på undersökning av hur hjärnans neuroner kommunicerar och vidarebefordrar meddelanden. Neurala nätverkstillämpningar inkluderar interaktionen av olika funktioner, där ingenjörer tittar på den totala produktiva produktionen för att se hur dessa artificiella neurala nätverkssystem effektivt kan imitera mänskliga tankar. En mängd olika ”verkliga tillämpningar” för ANN inkluderar regressionsanalys, funktionsapproximation, robotteknik och allmän databehandling.
Olika typer av artificiella neurala nätverk har utvecklats för olika forskningsåtgärder. Dessa använder olika typer av inlärningsmodeller som övervakat, oövervakat eller förstärkt lärande. Typer av neurala nätverk inkluderar ett enkelriktat feedforward-neuralt nätverk, en radiell basfunktion eller RBF-nätverk, ett Kohonen självorganiserande nätverk och till och med modulära neurala nätverk där ett större nätverk består av flera små.
En annan typ av ny struktur som tillämpas på artificiella neurala nätverk kallas ofta en ”kommitté av maskiner” där olika nätverksstrukturer ger var sin ”röst” eller ”åsikt” i en beslutsmodelleringsprocess. Detta kallas också ibland ett associativt neuralt nätverk eller ASNN. Fördelarna med denna typ av forskning är uppenbar för ingenjörer som tror att ASNN kan hjälpa till att modellera mänskliga gruppbeslutsfattande eller annan komplex modellering på något liknande sätt som de individuella beslutsfattande modellerna som tillhandahålls av ANN.
En princip som ofta används av ett artificiellt neuralt nätverk kallas ”fuzzy logic”. Ordet ”fuzzy” används för att beskriva eventuella luckor i data eller kunskap. Neurala nätverk kan ofta täppa till vissa data- eller kunskapsluckor genom utbildade gissningar och statistiska förutsägelser, vilket i motsats till den strikta ”ja eller nej” binära logiken som traditionellt förknippas med elektroniskt beslutsfattande. Att övervinna fuzzy logik hjälper neurala nätverk att ge bättre resultat i simuleringar. Med hjälp av byggstenarna från tidigare forskning förbättrar planerare och ingenjörer med erfarenhet av artificiella neurala nätverk ständigt vad dessa verktyg kan göra för att flytta gränserna för vår kunskap om våra egna sinnen.