Sieci neuronowe

Sieć neuronowa opiera się na budowie naturalnych neuronów połączonych synapsami oraz układów nerwowych, głównie tych znajdujących się w mózgu. Naśladują strukturę nerwową, aby odbierać sygnały i efektywnie przetwarzać je na użyteczną informację. Sztuczne sieci neuronowe modelują działanie mózgu, tak więc dzięki nim komputery potrafią uczyć się prognozować, analizować dane, wyszukiwać rozwiązania optymalne oraz  związki zachodzące między informacjami i rozwiązują problemy do których nie ma modeli matematycznych. Sieci neuronowe dzielą się na sieci jednokierunkowe oraz rekurencyjne. W sieciach jednokierunkowych pojedynczy sygnał przechodzi tylko raz w swoim cyklu, natomiast w rekurencyjnej neurony są ze sobą gęsto połączone tworząc graf. Najważniejsze zastosowania sieci neuronowych to programy do rozpoznawania pisma (OCR), syntezatory mowy, systemy sprawdzania bagażu na lotniskach. Ponadto znajdują zastosowanie w ekonomii (prognozy giełdowe) oraz diagnostyce układów elektronicznych.