شبکه عصبی مصنوعی

شبکه های عصبی مصنوعی یا شبکه های عصبی صناعی (Artificial Neural Networks - ANN) یا به زبان ساده تر شبکه های عصبی سیستم ها و روش های محاسباتی نوین برای یادگیری ماشینی، نمایش دانش و در انتها اعمال دانش به دست آمده در جهت بیش بینی پاسخ های خروجی از سامانه های پیچیده هستند. ایدهٔ اصلی این گونه شبکه ها تا حدودی الهام گرفته از شیوهٔ کارکرد سیستم عصبی زیستی برای پردازش داده ها و اطلاعات به منظور یادگیری و ایجاد دانش قرار دارد. عنصر کلیدی این ایده، ایجاد ساختارهایی جدید برای سامانهٔ پردازش اطلاعات است.
یادگیری شبکهٔ عصبی از طریق آموزش صورت می گیرد.
وزن دهی مشابه با سیستم ذخیره سازی اطلاعات، در شبکهٔ عصبی مغز انسان انجام می گیرد.
این سیستم از شمار زیادی عناصر پردازشی فوق العاده بهم پیوسته با نام نورون تشکیل شده که برای حل یک مسئله با هم هماهنگ عمل می کنند و توسط سیناپس ها (ارتباطات الکترومغناطیسی) اطلاعات را منتقل می کنند. در این شبکه ها اگر یک سلول آسیب ببیند بقیه سلول ها می توانند نبود آن را جبران کرده، و نیز در بازسازی آن سهیم باشند. این شبکه ها قادر به یادگیری اند. مثلاً با اعمال سوزش به سلول های عصبی لامسه، سلول ها یادمی گیرند که به طرف جسم داغ نروند و با این الگوریتم سیستم می آموزد که خطای خود را اصلاح کند. یادگیری در این سیستم ها به صورت تطبیقی صورت می گیرد، یعنی با استفاده از مثال ها وزن سیناپس ها به گونه ای تغییر می کند که در صورت دادن ورودی های جدید، سیستم پاسخ درستی تولید کند.
فلسفهٔ اصلی شبکهٔ عصبی مصنوعی، مدل کردن ویژگی های پردازشی مغز انسان برای تقریب زدن روش های معمول محاسباتی با روش پردازش زیستی است. به بیان دیگر، شبکهٔ عصبی مصنوعی روشی است که دانش ارتباط بین چند مجموعهٔ داده را از طریق آموزش فراگرفته و برای استفاده در موارد مشابه ذخیره می کند. این پردازنده از دو جهت مشابه مغز انسان عمل می کند:
یک شبکه عصبی مصنوعی، از سه لایهٔ ورودی، خروجی و پردازش تشکیل می شود. هر لایه شامل گروهی از سلول های عصبی (نورون) است که عموماً با کلیهٔ نورون های لایه های دیگر در ارتباط هستند، مگر این که کاربر ارتباط بین نورون ها را محدود کند؛ ولی نورون های هر لایه با سایر نورون های همان لایه، ارتباطی ندارند.