#title=Sztuczna inteligencja. Sieci neuronowe
#params=211;1456;3;2
#HTMLInfo=courses\texts\Mt_02002.htm
Do dziś struktura ludzkiego mózgu nie jest w pełni zbadana. Dlatego też problem ten fascynuje wielu. Z takiej fascynacji powstał pomysł stworzenia sieci neuronowych naśladujących pracę mózgu. Wzorując się na naturze naukowcy opracowali modele sztucznych sieci neuronowych. Model takiej sieci opiera się na dwóch podstawowych elementach: neuronach i połączeniach między nimi. Neurony są układane w kolejne warstwy, które są łączone między sobą. Praca sieci neuronowej przebiega dwustopniowo. W pierwszym kroku trzeba sieć nauczyć tego, co ma robić. W drugim etapie można stosować ją do rozwiązania problemu. Jednym z prostszych sposobów uczenia jest podawanie na wejście sieci neuronowej przykładów. Następnie, według określonego algorytmu, wyznacza się siłę powiązań między neuronami i poziom zadziałania każdego neuronu z osobna. Oczywiście każda sieć ma ograniczoną pojemność "pamięci", zatem może nauczyć się tylko pewnej liczby pojęć. Zależy to od liczby neuronów, z których składa się sieć - im jest ich więcej, tym więcej pojęć może ona zapamiętać. Gdy sieć jest już nauczona, można podawać na jej wejście nowe przykłady, których wcześniej nie widziała. Jednym z rozlicznych zastosowań sieci neuronowych jest rozpoznawanie obrazów. Dzięki temu, że sieć zostanie nauczona prostych elementarnych kształtów, możliwe jest później prawidłowe odróżnianie elementów o zniekształconych nieco obrysach, lecz z dalszej perspektywy przypominających oryginały. Wiedza zawarta w poszczególnych neuronach i połączeniach pozwala rozpoznać zniekształcenia.