Termen "neuralt nätverk" har traditionellt använts för nät av biologisk neuron finns i nervsystemet hos levande varelser. . Men i modern tid, är det ofta används om artificiella neurala nätverk som är beräkningsmodeller eller matematiska modeller som simulerar biologiska neurala nätverk. Dessa är ofta adaptiva system användas för forskning om artificiell intelligens samt att förstå biologiska neurala nätverk bättre.
Neurobiologiska Analogi
biologiska neurala nätverk är extremt komplexa och människor har ännu att förstå dem helt. Dock har deras förståelse kritiska tillämpningar inom medicinsk och psykologisk vetenskap, inklusive men inte begränsat till beteendeanalys och behandling av sjukdomar och defekter i nervsystemet. Artificiella neurala nätverk hjälpa som forskningsverktyg för att utveckla förståelsen genom att simulera dessa nät. Viktiga händelser inom neurovetenskap har gjort forskning på artificiella neurala nätverk modeller.
Feltolerans
biologiska neurala nätverk är till sin natur feltoleranta, vilket är ganska uppenbart i verkliga livet som vi ser upprepade fall av partiell nervös system eller hjärnskada utan avbrott i livet självt. På grund av sitt mycket distribuerade och modulär beskaffenhet, artificiella neurala nätverk uppvisar en liknande hög feltolerans. Om en viss komponent eller en grupp av komponenter går sönder, kan vissa funktioner inte utföras. Funktionerna i den intakta komponenter, men behålls, och nätverket inte helt misslyckas.
Reparerar själv
feltolerans förmåga är bäst kommer till användning i den självläkande av ett neuralt nätverk. Detta innebär den efterlevande delen av nätet upptäcker fel eller störningar och försöker reparera trasiga komponenter med hjälp av lagrade uppgifter om det stora nätet. Detta är ett stort program med artificiell intelligens och sparar mycket möda på felsökning i nätverket, eftersom de flesta kraschar hanteras av själva nätet. Dessutom ger det också nyttig kunskap om det självläkande mekanism av biologiska neurala nätverk och hjälper till att utveckla teknik för att påskynda eller underlätta naturlig självläkande process snarare än att anställa artificiell healing, som ofta har negativa biverkningar.
Adaptivitet
I ett statiskt eller dynamiskt förutsägbart scenario kan ett visst talan den optimerade sätt att hantera ett problem. I ett oförutsägbart dynamiska utveckling, är det ofta viktigt att lära av, och anpassa sig till, till förändringar i de omständigheter i syfte att utveckla nya bästa tillvägagångssätt från fall till fall. Detta är en viktig egenskap hos biologiska neurala nätverk och som lyfts fram av MIT: s Extension på neurala nätverk. Denna aspekt är också förts in i artificiella neurala nätverk som en stor artificiell intelligens ansökan, ytterligare förbättra prestandan och minska underhåll och behovet av ofta på systemnivå uppgraderingar för att tillgodose olika omständigheter.
