Una red neuronal es un paradigma de procesamiento de información inspirada en la forma en que los sistemas nerviosos biológicos, tales cerebros de mamíferos , procesar información . Las redes neuronales están compuestas de un gran número de elementos de procesamiento altamente interconectados , conocidas como neuronas, que trabajan juntos para resolver problemas específicos. Beneficios de las redes neuronales incluyen su capacidad de " aprender " a través de ajustes en las conexiones entre las neuronas . Resolución de problemas

redes neuronales puede ayudar a resolver problemas que son demasiado complejos para la tecnología convencional que se basa en la búsqueda de una solución algorítmica . Problemas del mundo real que requieren pensamiento adaptable incluyen la previsión de ventas , control de procesos industriales , investigación de clientes , gestión de riesgos , marketing de destino y el análisis de la textura. Las redes neuronales ayudan en estas áreas debido a su capacidad para entender el significado de los datos complicados e imprecisos .
En tiempo real Operación

diferencia de las computadoras seriales convencionales , las redes neuronales no ejecutar instrucciones programadas. En su lugar , responden en paralelo con el patrón de las entradas que se les presentan . Las redes neurales crean su propia organización o representación de la información introducida en ellos durante el tiempo de aprendizaje. La memoria no se almacena por separado, sino a través de toda la red . El "conocimiento " de la red es, por tanto , mayor que la suma de sus partes individuales .
Fault Tolerance

Si una red neuronal se destruye en parte , algunas áreas tendrán una degradación del rendimiento . A diferencia de las redes tradicionales , sin embargo , algunas capacidades de una red neuronal se mantienen incluso con daños importantes. Esto es lo mismo que cuando una persona sufre un daño cerebral localizado que afecta sólo a ciertas capacidades cognitivas.

Aprendizaje

redes neuronales tienen "reglas " de aprendizaje que les permitan aprender con el ejemplo. El más común es la regla delta se utiliza con redes neuronales back- propagational . Volver - propagación se refiere a la propagación hacia atrás de error . Aprender el uso de la regla delta es un proceso supervisado que sucede cada vez que la red se presenta con un nuevo modelo de entrada . La red predice lo que podría ser el patrón y luego compara esta estimación con lo que en realidad es presentada. Utiliza cualquier diferencia para realizar ajustes en sus conexiones.