Sztuczne sieci neuronowe

DEFINICJA POJĘCIA: Sztuczna sieć neuronowa jest systemem, którego struktura i działanie są wzorowane na układzie nerwowym. Podstawowa jednostka funkcjonalna sztucznej sieci neuronowej to sztuczny neuron, będący modelem neuronu biologicznego. Sieć jest zbudowana w ten sposób, że wyjścia jednych neuronów są połączone z wejściami innych ­neuronów. W zależności od schematu połączeń otrzymujemy różne ­struktury sieci. ANALIZA HISTORYCZNA POJĘCIA: U podstaw modelowania układów neuronalnych leżą wyniki badań neurofizjologów uzyskiwane od drugiej połowy XIX wieku. Założenie, że neuron jest podstawową jednostką funkcjonalną układu nerwowego, pozwoliło w 1943 roku opracować pierwszy teoretyczny model neuronu oraz zaimplementować pierwszą sztuczną sieć neuronową w roku 1957, która była siecią warstwową. Opracowanie teoretycznych podstaw nauki takich sieci, zaproponowanie nowych rodzajów zarówno samych sieci, jak i metod ich nauki w latach 80. XX wieku oraz postępy w matematycznej analizie ich działania spowodowały ich szybki rozwój pod koniec XX wieku oraz w wieku XXI. UJĘCIE PROBLEMOWE POJĘCIA: Sztuczna sieć neuronowa może być zaimplementowana zarówno jako oprogramowanie, jak również jako układ elektroniczny, analogowy lub cyfrowy. Istotnym zagadnieniem jest nauka sieci, czyli ustawienie jej parametrów. Na ogół nauka jest realizowana przy pomocy algorytmu iteracyjnego, który wykorzystuje przygotowane przez programistę przykłady sygnałów wejściowych. Sztuczne sieci neuronowe są wykorzystywane do modelowania różnych aspektów układu nerwowego i procesów psychicznych. REFLEKSJA SYSTEMATYCZNA Z WNIOSKAMI I REKOMENDACJAMI: Niezależnie od biologicznych inspiracji sztuczne sieci neuronowe są używane jako pewien typ systemu sztucznej inteligencji, który skutecznie rozwiązuje szeroką gamę zadań. Należą do nich problemy optymalizacji, klasteryzacji, sterowania, rozpoznawania wzorców, diagnostyki i predykcji.