شبکه‌های عصبی
هدف از یادگیری الگوریتم های شبکه عصبی، تقلید از نحوه سازماندهی و درک اطلاعات مغز انسان برای دستیابی به پیش بینی های مختلف است.
شبکه‌های عصبی با توانایی چشمگیر خود در استخراج معنی از داده‌های پیچیده درست یا نادرست ، می‌توانند برای استخراج الگوها و کشف روندهایی که بسیار پیچیده هستند استفاده شوند که این داده‌ها توسط انسان یا سایر تکنیک های کامپیوتری مورد استفاده قرار گرفته است.
شبکه‌های عصبی ، مانند مغز واقعی ، از "سلولهای عصبی" متصل تشکیل شده‌اند ، همه قادر به انجام یک کار مربوط به داده‌ها هستند ، از جمله شناخت چیزی ، تطبیق یک قطعه از اطلاعات با قطعه دیگر و پاسخ دادن به سؤالی درباره رابطه بین آن‌ها.
هر نورون قادر است نتایج کار خود را به یک نورون در همسایگی خود منتقل کند ، که پس از آن، نورون همسایه بتواند آنرا پردازش کند.
به طور معمول ، سلولهای عصبی در لایه ها سازماندهی می‌شوند. لایه های مختلف ممکن است انواع مختلفی از تحولات را بر روی ورودی‌های خود انجام دهند. سیگنال‌های هر لایه از اولین (ورودی) تا آخرین (خروجی) حرکت می‌کنند و همچنین سیگنال ها می‌توانند از چندین لایه گذر کنند.
از آنجا که شبکه قادر به تغییر و سازگاری بر اساس داده‌هایی است که از طریق آن عبور می‌کند، اتصالات بین این سلول های عصبی به طریقی تنظیم می‌شود تا شبکه بتواند پیش بینی های بسیار دقیقی را انجام دهد. این روش دقیقا همان روشی است که مغز ما برای یادگیری به کار می برد.
شبکه‌های عصبی برای کارهای مختلفی از جمله بینایی ماشین، تشخیص گفتار، ترجمه ماشینی، کار با صفحه لمسی، بازی های ویدئویی، تشخیص پزشکی و در بسیاری از حوزه های دیگر مورد استفاده قرار گرفته‌اند.
