Adaptacyjna sieć neuronowa to system, który przetwarza informacje i w razie potrzeby dostosowuje sieć. Takie sieci można znaleźć w systemach komputerowych lub w organicznych formach życia. Służą do interpretacji dużych ilości złożonych informacji i stanowią podstawę nowoczesnej technologii sztucznej inteligencji.
Stworzona przez człowieka adaptacyjna sieć neuronowa, zwana również sztuczną siecią neuronową, jest modelowana na podstawie naturalnie występujących sieci neuronowych w mózgach ludzi i zwierząt. Pracują przy użyciu serii czujników zbierających informacje — neuronów — które są interpretowane przez jednostkę centralną. Połączenia te mogą zmieniać i zmieniać sposób, w jaki współdziałają z jednostką centralną, w oparciu o własną ocenę tego, jak najefektywniej wykonywać swoje funkcje.
Adaptacyjna sieć neuronowa „uczy się” na dwa główne sposoby: uczenie nadzorowane i uczenie nienadzorowane. Uczenie się nadzorowane wymaga ludzkiego odpowiednika, który instruuje sieć, jak interpretować i wchodzić w interakcje z różnymi danymi wejściowymi. Celem tego stylu uczenia się jest zapewnienie, że nie ma błędów w metodach wykorzystywanych przez adaptacyjną sieć neuronową do przetwarzania informacji oraz wzmocnienie pożądanych działań sieci.
Nienadzorowane uczenie się opiera się na interakcji centralnej jednostki przetwarzania z jej środowiskiem i podejmowaniu własnych decyzji dotyczących sposobu jej działania w oparciu o oryginalne oprogramowanie. W tym celu organizuje i reorganizuje otrzymywane informacje oraz przewiduje, jakie mogą być skutki zmiany tych danych. Sieć może uczyć się online lub offline. Nauka online oznacza, że sieć uczy się, jednocześnie wykonując zadania. Nauka offline wymaga, aby sieć uczyła się niezależnie od działania.
Obecnie adaptacyjne sieci neuronowe wykonują cztery główne zadania. Wszystkie zajmują się przetwarzaniem i interpretacją wzorców. Po pierwsze, mamy do czynienia z klastrowaniem, w którym sieć analizuje szereg wzorców i grupuje powiązane wzorce w klastry.
Drugim zadaniem, które może wykonać adaptacyjna sieć neuronowa, jest rozpoznawanie i interpretowanie wzorca, takiego jak słowa pisane lub mówione. Czyniąc to, może próbować zrozumieć całkowicie nieznane wzorce w oparciu o zrozumienie pokrewnych wzorców. Zapewnienie oszacowania wartości funkcji jest trzecim głównym zadaniem i jest często stosowane w nauce lub inżynierii. Czwartym głównym zadaniem, jakie może wykonać adaptacyjna sieć neuronowa, jest przewidywanie tego, co stanie się w przyszłości, jeśli w niektórych modelach danych zostaną wprowadzone zmiany.
Sztuczna sieć neuronowa jest formą sztucznej inteligencji, a jej najnowocześniejsze zastosowania obejmują zaawansowaną technologię robotyczną. Jest częściej używany przez analityków danych, ponieważ ich praca polega na interpretacji i sortowaniu dużych ilości informacji. Sztuczna sieć neuronowa może pomóc analitykowi w porządkowaniu danych, prowadzeniu badań i testowaniu ewentualnych zmian w produktach i usługach jej firmy. W miarę jak technologia staje się bardziej zaawansowana, zastosowania sieci neuronowych będą coraz powszechniejsze.