Sztuczna sieć neuronowa to nazwa pewnego rodzaju technologii komputerowej, która próbuje naśladować ludzki mózg. Sztuczna sieć neuronowa (SSN) obejmuje symulowane neurony i bodźce do prób odtwarzania funkcji mózgu. Ta szeroka gama oprogramowania i urządzeń wykorzystuje modele algorytmów neuronowych do tworzenia procesów podejmowania decyzji, które planiści mają nadzieję, że będą ściśle naśladować ludzkie procesy myślowe. Sztuczne sieci neuronowe stanowią ogromny postęp w stosunku do stosunkowo prymitywnych pomysłów na komputery z poprzednich dziesięcioleci.
Oprogramowanie sieci neuronowych jest tradycyjnie stosowane do grania w gry i innych zadań, które wymagają stosunkowo wykalkulowanej ludzkiej myśli. W bardziej biofizycznym sensie sieci neuronowe opierają się na badaniu sposobu, w jaki neurony w mózgu komunikują się i przekazują wiadomości. Zastosowania sieci neuronowych obejmują interakcję różnych funkcji, w których inżynierowie przyglądają się całkowitej produktywności, aby zobaczyć, jak te sztuczne systemy sieci neuronowych mogą skutecznie naśladować ludzką myśl. Różnorodne „rzeczywiste aplikacje” dla SSN obejmują analizę regresji, aproksymację funkcji, robotykę i ogólne przetwarzanie danych.
Opracowano różne typy sztucznych sieci neuronowych dla różnych założeń badawczych. Wykorzystują one różne rodzaje modeli uczenia się, takie jak uczenie nadzorowane, nienadzorowane lub wzmocnione. Rodzaje sieci neuronowych obejmują jednokierunkową sieć neuronową ze sprzężeniem do przodu, promieniową funkcję bazową lub sieć RBF, samoorganizującą się sieć Kohonena, a nawet modułowe sieci neuronowe, w których większa sieć składa się z kilku małych.
Inny rodzaj nowej struktury stosowanej w sztucznych sieciach neuronowych jest często nazywany „komitetem maszyn”, w którym każda z różnych struktur sieciowych zapewnia swój własny „głos” lub „opinię” w procesie modelowania decyzji. Jest to również czasami nazywane asocjacyjną siecią neuronową lub ASNN. Korzyści płynące z tego rodzaju badań są oczywiste dla inżynierów, którzy wierzą, że ASNN może pomóc w modelowaniu procesu podejmowania decyzji przez grupę ludzi lub innego złożonego modelowania w sposób podobny do indywidualnych modeli podejmowania decyzji oferowanych przez ANN.
Zasada często wykorzystywana przez sztuczną sieć neuronową nazywa się „logiką rozmytą”. Słowo „rozmyte” jest używane do opisania wszelkich luk w danych lub wiedzy. Sieci neuronowe często są w stanie wypełnić pewne luki w danych lub wiedzy poprzez umiejętne zgadywanie i przewidywanie statystyczne, co jest przeciwieństwem ścisłej logiki binarnej „tak lub nie”, tradycyjnie kojarzonej z elektronicznym podejmowaniem decyzji. Przezwyciężenie logiki rozmytej pomaga sieciom neuronowym w zapewnianiu lepszych wyników w symulacjach. Korzystając z elementów konstrukcyjnych z poprzednich badań, planiści i inżynierowie doświadczeni w pracy ze sztucznymi sieciami neuronowymi nieustannie ulepszają to, co te narzędzia mogą zrobić, aby przesuwać granice naszej wiedzy o naszych umysłach.