Redes Neuronales Artificiales son modelos de redes de neuronas biológicas . Al igual que las neuronas biológicas , las neuronas artificiales se suman varias entradas y comparar la suma con un valor umbral . Si la suma supera el umbral, la neurona pasa una señal a la siguiente neurona . Siempre y cuando la suma es inferior al umbral , se transmite ninguna señal . Este paradigma de procesamiento de información se llama lógica umbral. Neuronas
neuronas biológicas

tienen varias entradas , a partir de órganos de los sentidos y otras neuronas, y una sola salida . Si las entradas acumulativas pasa un cierto umbral , la célula pasa a través de un proceso catártico llamado " disparo " que hace que una corriente eléctrica para viajar por la salida única hasta el final de la " nervios", donde la corriente hace que la expulsión de pequeños sacos de neurotransmisores - moléculas que activan los músculos u otras neuronas. Neuronas artificiales imitan este proceso , pero todas las variables están representados por números que se pueden ajustar para afinar el proceso . Las entradas individuales se multiplican automáticamente por números llamados "pesos ", que se pueden ajustar para alterar el comportamiento de las neuronas.
Neural Nets

redes neuronales son colecciones de neuronas que trabajan juntos para crear un efecto . Una aplicación típica tiene las neuronas dispuestas en capas , por lo que un patrón de señales se presenta a la primera fila de las neuronas , se filtró a través de otras capas , a continuación, una fila final de las neuronas presenta un patrón de señales . Estos procesos de " traducción" se pueden entrenar . Otras aplicaciones tienen todas las neuronas conectadas entre sí , por lo que cuando algunas de las neuronas son estimuladas , todo el conjunto de las neuronas se asienta en un estado estable que representa un patrón previamente memorizada . Otra aplicación tiene cada neurona conectada sólo a sus vecinos - como en la capa de células en la parte posterior del ojo - que puede detectar cosas como los bordes de los patrones de excitación causada por bandas de la luz y la oscuridad
.
Aprender

Curiosamente , las redes neuronales artificiales heredan algunas de las características deseables de las redes neuronales neuronales biológicas . Uno de ellos es el aprendizaje . Las redes neuronales artificiales no están programadas como las computadoras , que son entrenados - como la forma en los animales son entrenados . La formación se lleva a cabo mediante el ajuste de los pesos de las neuronas . Esto significa que las redes neuronales artificiales se pueden utilizar para controlar los procesos que son imposibles de describir el tiempo que hay un montón de ejemplos de uso en la formación. Otra buena calidad de los dispositivos lógicos umbral es su capacidad de generalizar . Si una red neuronal entrenada se muestra un patrón que nunca ha visto antes , por lo general lo clasifica correctamente.
Funciones de transferencia

Cuando la suma de las entradas de una neurona supera el umbral, la suma se puede hacer pasar a través de una función de transferencia que controla la salida . En general, se cree que seleccionando cuidadosamente esta función de transferencia puede tener una variedad de efectos beneficiosos sobre la red neuronal . Estos beneficios incluyen el entrenamiento más rápido y una mayor capacidad de generalizar .