Prilagodljiva nevronska mreža je sistem, ki obdeluje informacije in po potrebi prilagaja omrežje. Takšna omrežja lahko najdemo v računalniških sistemih ali v organskih oblikah življenja. Uporabljajo se za interpretacijo velikih količin kompleksnih informacij in so osnova sodobne tehnologije umetne inteligence.
Umetna prilagodljiva nevronska mreža, imenovana tudi umetna nevronska mreža, je oblikovana po naravnih nevronskih mrežah v možganih ljudi in živali. Delujejo z uporabo vrste senzorjev za zbiranje informacij – nevronov -, ki jih interpretira centralna procesna enota. Te povezave lahko spremenijo in spremenijo način interakcije s centralno procesno enoto na podlagi lastne ocene, kako najučinkoviteje izvajati svoje funkcije.
Obstajata dva glavna načina, kako se prilagodljiva nevronska mreža “uči”: nadzorovano učenje in nenadzorovano učenje. Za nadzorovano učenje je potreben človeški partner, ki daje navodila omrežju, kako naj interpretira različne vložke in komunicira z njimi. Namen tega načina učenja je zagotoviti, da ni napak v metodah, ki jih uporablja prilagodljiva nevronska mreža za obdelavo informacij, in okrepiti želena dejanja omrežja.
Nenadzorovano učenje temelji na interakciji osrednje procesne enote z okoljem in sprejemanju lastnih odločitev o tem, kako naj deluje na podlagi svojega prvotnega programiranja. V ta namen organizira in reorganizira informacije, ki jih prejme, ter predvideva, kakšni bi lahko bili rezultati spreminjanja teh podatkov. Omrežje se lahko uči na spletu ali brez povezave. Spletno učenje pomeni, da se omrežje uči, medtem ko opravlja tudi naloge. Učenje brez povezave zahteva, da se omrežje uči ločeno od delovanja.
Trenutno obstajajo štiri glavne naloge, ki jih izvajajo prilagodljive nevronske mreže. Vsi se ukvarjajo z obdelavo in interpretacijo vzorcev. Prvič, obstaja združevanje v skupine, kjer omrežje preuči številne vzorce in združi povezane vzorce v grozde.
Druga naloga, ki jo lahko opravi prilagodljiva nevronska mreža, je prepoznavanje in interpretacija vzorca, kot so napisane ali izgovorjene besede. Pri tem lahko poskuša razumeti popolnoma neznane vzorce na podlagi razumevanja sorodnih vzorcev. Zagotavljanje ocene vrednosti funkcije je tretja glavna naloga in se pogosto uporablja v znanosti ali tehniki. Četrta glavna naloga, ki jo lahko opravi prilagodljiva nevronska mreža, je napovedati, kaj se bo zgodilo v prihodnosti, če se bodo nekateri podatkovni modeli spremenili.
Umetna nevronska mreža je oblika umetne inteligence in njena najsodobnejša uporaba vključuje napredno robotsko tehnologijo. Pogosteje ga uporabljajo analitiki podatkov, saj se njihova dela ukvarjajo z interpretacijo in razvrščanjem velikih količin informacij. Umetna nevronska mreža lahko pomaga analitiku pri organiziranju svojih podatkov, izvajanju raziskav in testiranju možnih sprememb izdelkov in storitev njenega podjetja. Ko bo tehnologija napredovala, bodo aplikacije nevronskih mrež postale pogostejše.