Las redes neuronales son los artefactos asociados a un paradigma de procesamiento de la información basada en las neuronas de forma - las células del cerebro - el trabajo en la mente humana . Las redes neuronales pueden ser implementados en hardware o software . La idea básica es que muchas unidades separadas - neuronas artificiales - están conectados de tal manera que las conexiones son cambiables . Como las redes neuronales aprenden a resolver un problema, los puntos fuertes del cambio interconexiones. La verdadera fuerza del paradigma de redes neuronales es que las redes neuronales pueden aprender a resolver problemas difíciles con las técnicas de programación comunes. Proyectos Red Feedforward
Redes Feedforward aprenden a reconocer patrones . La red se muestra una importante colección representativa de los patrones buenos y malos, y dijo que son lo que . Con el tiempo , las conexiones entre las neuronas se ajustan para el punto en el que se identifican correctamente incluso patrones nuevos . Las aplicaciones actuales de las redes feedforward identificar caracteres escritos , firmas y huellas dactilares. El modelo de alimentación directa es una buena usar para proyectos que deben aprender a distinguir las buenas de las malas patrones patrones. Proyectos de investigación actuales implican la identificación de las células cancerosas , las tendencias del mercado de valores y las solicitudes de préstamos sospechosos
Kohonen Red Proyectos
redes de Kohonen o mapas autoorganizados , trabajo sin supervisión. ; que se muestran un gran número de patrones , pero no se les dice que son buenos o malos . Kohonen redes de grupo de los ejemplos en grupos y, si se muestra un nuevo patrón , clasificar correctamente el nuevo patrón en el grupo correcto. Las aplicaciones actuales de las redes de Kohonen son los sistemas automáticos de idiomas que se utilizan para clasificar los sonidos asociándolos al fonema válida más cercana. Redes de Kohonen son útiles para cualquier proyecto en el que hay una gran cantidad de ejemplos de entrenamiento , pero no se clasifican en ejemplos de buenas o malas. La investigación actual en las redes de Kohonen incluyen la predicción del tiempo y el control de los vehículos autónomos .
Bidireccionales Proyectos de la memoria asociativa
memorias asociativas bidireccionales ( BAMs ) se utilizan cuando dos complejos vectores deben ser equilibradas . Ellos dinámicamente ajustar la fuerza de las interconexiones entre dos niveles de neuronas . El BAM es diferente de otras arquitecturas de redes neuronales en el que mantiene el aprendizaje como el sistema funciona - aprendizaje está nunca completamente terminado . Las aplicaciones actuales de BAMs incluyen sistemas integrados en los teléfonos y módems para equilibrar - y cancelar - echos línea . Se deben utilizar siempre el aprendizaje debe ser continuo durante toda la vida del proyecto. Proyectos de investigación en curso que comprenden BAMs incluyen sistemas que equilibrar las cosas con un solo movimiento de vaivén - como los sistemas que equilibren un polo celebró en un extremo moviendo el punto de equilibrio de un lado a otro
proyectos de redes recursivas < . br>
redes recursivas funcionan con los modelos de series de tiempo . Parte de la salida del sistema se alimenta de nuevo en la entrada y las interconexiones entre las neuronas artificiales se ajusta hasta que la red puede identificar correctamente una secuencia de niveles de entrada . Las aplicaciones actuales implican momentos brazo robótico y la detección automática de la aparición de las crisis epilépticas . Este modelo se debe utilizar con proyectos que involucran patrones que tienen lugar con el tiempo . La investigación actual incluye sistemas que complementan y control de los sistemas de prótesis - brazos y piernas artificiales
.
