Neurale netwerken zijn de artefacten die zich bij een paradigma verwerken van informatie op basis van de manier waarop neuronen - hersencellen - werk in de menselijke geest . Neurale netwerken in hardware of software worden geïmplementeerd . Het basisidee is dat vele afzonderlijke eenheden - kunstmatige neuronen - zijn aangesloten op een zodanige wijze dat de aansluitingen zijn veranderlijk . Zoals de neurale netten leren om een probleem op te lossen , de sterke punten van de interconnecties verandering . De echte kracht van het neurale netwerk paradigma is dat neurale netwerken kunnen leren om moeilijke problemen op te lossen met een gewone programmeertechnieken . Feedforward Network Projects Voorsturing Networks leren om patronen te herkennen . Het netwerk wordt getoond een grote representatieve collectie van goede en slechte patronen , en vertelde waar zijn die . Na verloop van tijd worden de verbindingen tussen neuronen aangepast aan het punt waar zelfs nieuwe patronen kunnen worden geïdentificeerd . Huidige toepassingen van feedforward netwerken te identificeren geschreven personages , handtekeningen en vingerafdrukken . De feedforward model is een goede om te gebruiken voor projecten die moeten leren om goede patronen te onderscheiden van slechte patronen . Lopende onderzoeksprojecten nagegaan welke kankercellen , trends in de aandelenmarkt en verdachte kredietaanvragen Kohonen netwerkprojecten Kohonen netwerken , of zelforganiserende kaarten , werken zonder toezicht . ; ze worden getoond een groot aantal patronen , maar wordt niet verteld wat goed of slecht zijn . Kohonen netten groep de voorbeelden in clusters en , wanneer blijkt een nieuw patroon , correct classificeren van de nieuwe patroon in de juiste cluster . Huidige toepassingen van Kohonen netwerken omvatten automatische taalsystemen waar ze gebruikt worden om geluiden te classificeren door ze te koppelen aan de dichtstbijzijnde geldige foneem . Kohonen netten zijn nuttig voor elk project waar er veel training voorbeelden , maar ze zijn niet ingedeeld in goede of slechte voorbeelden . Lopende onderzoek in Kohonen netwerken zijn weer voorspelling en controle van autonome voertuigen . Bidirectionele Associatieve Memory Projects bidirectionele Associatief Memories ( BAM ) wordt gebruikt wanneer twee complexe vectoren moeten worden afgewogen . Zij de sterkte van de verbindingen dynamisch aanpassen tussen twee niveaus van neuronen . De BAM is anders dan andere neurale netwerk architecturen in dat het blijft leren als het systeem draait - leren is nooit helemaal af . Huidige toepassingen van BAM's zijn systemen ingebouwd in telefoons en modems in evenwicht - en heffen - lijn echo . Zij moeten worden gebruikt wanneer het leren continu gedurende de looptijd van het project moet zijn . Lopende onderzoeksprojecten waarbij BAM's zijn systemen die balans dingen met alleen heen en weer beweging - zoals systemen die een paal gehouden aan de ene kant door het verplaatsen van de balans punt heen en weer in evenwicht recursieve Network Projects < . br > Recursive netwerken werken met tijdreeksen patronen . Een deel van de uitvoer van het systeem wordt teruggekoppeld naar de ingang en de verbindingen tussen artificiële neuronen ingesteld dat het netwerk kunnen een reeks ingangsniveaus kunnen identificeren . Huidige toepassingen omvatten robotarm momenten en automatische detectie van het ontstaan van epileptische aanvallen . Dit model moet worden gebruikt met projecten die patronen die plaatsvinden in de tijd te betrekken . Huidige onderzoek omvat systemen die aanvulling, controle prothetische systemen - kunstmatige armen en benen . |