โครงข่ายประสาทเทียมคือชุดของอัลกอริทึมที่พยายามรับรู้ความสัมพันธ์พื้นฐานในชุดระเบียนผ่านกระบวนการที่เลียนแบบวิธีการทำงานของสมองมนุษย์ ในวิธีนี้ โครงข่ายประสาทเทียมจะกำหนดระบบของเซลล์ประสาท ไม่ว่าจะเป็นแบบอินทรีย์หรือประดิษฐ์
Neural Networks เป็นเทคนิคการวิเคราะห์ที่จำลองตามกระบวนการ (สมมุติฐาน) ของการเรียนรู้ในระบบความรู้ความเข้าใจและการทำงานของระบบประสาทของสมอง และสามารถทำนายการสังเกตใหม่ (ในตัวแปรเฉพาะ) จากการสังเกตอื่น ๆ หลังจากใช้กระบวนการที่เรียกว่าการเรียนรู้จากที่มีอยู่ ข้อมูล. Neural Networks เป็นหนึ่งในเทคนิคการทำเหมืองข้อมูล
ขั้นตอนแรกคือการออกแบบสถาปัตยกรรมเครือข่ายเฉพาะ (ซึ่งเกี่ยวข้องกับ "เลเยอร์" จำนวนหนึ่งซึ่งแต่ละอันรวมถึง "เซลล์ประสาท" จำนวนหนึ่งด้วย) ขนาดและโครงสร้างของเครือข่ายต้องสอดคล้องกับธรรมชาติ (เช่น ความซับซ้อนที่เป็นทางการ) ของปรากฏการณ์ที่ตรวจสอบ เนื่องจากในระยะแรกนี้ไม่ค่อยมีใครรู้จัก งานนี้จึงไม่ใช่เรื่องง่ายและมักเกี่ยวข้องกับ "การทดลองและข้อผิดพลาด" หลายครั้ง
เครือข่ายใหม่นั้นอยู่ภายใต้กระบวนการของ "การฝึกอบรม" ในระยะนั้น เซลล์ประสาทใช้กระบวนการวนซ้ำกับจำนวนของอินพุต (ตัวแปร) เพื่อปรับน้ำหนักของเครือข่ายเพื่อให้คาดการณ์ได้อย่างเหมาะสม (ในความหมายดั้งเดิม เราสามารถพูดได้ว่า "พอดี" กับ) ข้อมูลตัวอย่างที่ "การฝึกอบรม" ” ถูกดำเนินการ หลังจากขั้นตอนการเรียนรู้จากชุดข้อมูลที่มีอยู่แล้ว เครือข่ายใหม่ก็พร้อมและสามารถใช้เพื่อสร้างการคาดคะเนได้
โครงข่ายประสาทเทียมมองว่าการปะทุของความสนใจในช่วงไม่กี่ปีที่ผ่านมา และกำลังถูกนำไปใช้อย่างประสบความสำเร็จในขอบเขตปัญหาที่ไม่ธรรมดา ในด้านต่างๆ เช่น การเงิน การแพทย์ วิศวกรรม ธรณีวิทยา และฟิสิกส์ โครงข่ายประสาทเทียมมีสององค์ประกอบดังนี้ −
พลัง − โครงข่ายประสาทเทียมเป็นเทคนิคการสร้างแบบจำลองที่ประณีตมาก ซึ่งเพียงพอสำหรับการสร้างแบบจำลองฟังก์ชันที่ซับซ้อนอย่างยิ่ง โดยเฉพาะอย่างยิ่ง โครงข่ายประสาทเทียมเป็นแบบไม่เป็นเชิงเส้น หลายปีที่ผ่านมา การสร้างแบบจำลองเชิงเส้นเป็นวิธีที่ใช้กันทั่วไปในโดเมนการสร้างแบบจำลองส่วนใหญ่ เนื่องจากแบบจำลองเชิงเส้นมีกลยุทธ์การปรับให้เหมาะสมที่เป็นที่รู้จักกันดี
ใช้งานง่าย − โครงข่ายประสาทเทียมเรียนรู้จากตัวอย่าง ผู้ใช้โครงข่ายประสาทเทียมรวบรวมข้อมูลตัวแทนแล้วเรียกใช้อัลกอริทึมการฝึกอบรมเพื่อเรียนรู้โครงสร้างของข้อมูลโดยอัตโนมัติ
แม้ว่าผู้ใช้ไม่จำเป็นต้องมีความรู้แบบฮิวริสติกในการเลือกและเตรียมบันทึก วิธีการเลือกโครงข่ายประสาทเทียมที่เหมาะสม และวิธีดำเนินการผลลัพธ์ ระดับความรู้ของผู้ใช้ที่จำเป็นต่อการใช้โครงข่ายประสาทเทียมให้ประสบผลสำเร็จนั้นต่ำกว่าที่ควรจะเป็นมาก กรณีที่ใช้ (เช่น) วิธีการทางสถิติแบบไม่เชิงเส้นแบบเดิมบางวิธี
