Las redes neuronales son una forma básica del sistema de aprendizaje que son comunes en los experimentos de inteligencia artificial y proyectos. Sistemas de redes neuronales tempranas comenzaron estén disponibles a finales de 1980 , ya que los sistemas de software simples y sistemas híbridos que se ejecutaban en hardware especializado. Historia

Los conceptos iniciales de la creación de redes neuronales y la computación neuronal desarrollada durante la década de 1940 . Por la década de 1950 , una red de dos capas sencilla demostró el concepto básico . sin embargo, ciertas restricciones - como la incapacidad para resolver los problemas de XOR , una función básica en computación digital - . limitado interés en la tecnología hasta finales de 1970 y principios de 1980

Sistema Natural Simulación < br >

Una red neuronal simula las actividades de los sistemas neuronales biológicos. Si el sistema está basado en software y que se ejecuta en un ordenador o un sistema de hardware y software diseñado para el aprendizaje , la idea básica es la de crear un sistema informático que imita el funcionamiento natural de un cerebro . A diferencia de los sistemas lineales , donde una entrada de actuar sobre él y una salida predecible es el resultado de los cálculos , las redes neurales están diseñados para crear algoritmos de predicción basado en buenas entradas y salidas conocidas y son , por lo tanto , capaces de aprender de la experiencia anterior .

Making Sense of Chaos

redes neuronales trabajo de hacer el seguimiento de buenas entradas conocidas . Por ejemplo , las redes neuronales diseñadas para predecir la dirección del mercado de valores pueden tener los acontecimientos históricos inscritos como insumos y el aumento resultante o caída en el mercado entró como resultados. Al participar en miles de eventos históricos y los resultados del mercado de valores , una red neuronal puede empezar a tratar de predecir sube y baja basado en las entradas de corriente . A medida que la red reúne más datos , se puede aprender a hacer predicciones más precisas en el mercado.
Ventajas

redes neuronales pueden desarrollar algoritmos basados ​​en los insumos y los resultados conocidos, y, finalmente, puede aprender a predecir eventos con un alto grado de certeza . Dado que las redes neuronales son sistemas paralelos , si una parte del sistema falla , otras partes siguen funcionando con normalidad. Debido a que una red neuronal es un sistema de aprendizaje natural, una vez creado , por lo general, no requiere programación .
Desventajas

Una de las desventajas de una red neuronal es que se necesita tiempo para tren. La red sólo será tan bueno como los datos iniciales y los datos de formación corregidas . Si la red neuronal se da datos incorrectos y le dijo a los datos son correctos , se aplicará esos datos no válidos para futuras decisiones y predicciones. Redes neuronales basados ​​en software se ejecutan en diferentes arquitecturas que la mayoría de los ordenadores comunes . Por lo tanto , a menos que se utilice un hardware dedicado y un sistema de software, se requieren complejos sistemas de traducción para convertir los datos neuronales a un formato utilizable por los sistemas informáticos comunes.