Un neurone artificiel est une fonction mathématique dans la programmation de logiciels pour les systèmes informatiques qui tente d'un certain degré d'imiter l'interaction complexe de neurones biologiques, ou des cellules dans le cerveau humain et du système nerveux impulsion conducteur. La première version de neurone artificiel a été créé en 1943 par Warren McCulloch et Walter Pitts comme une forme de neurone binaire, où l'entrée peut être soit une valeur de 1 ou -1. Ensemble, une combinaison de ces entrées sont pondérées.Si à un certain seuil est dépassée, la sortie du neurone artificiel est 1, et, si les entrées ne sont pas suffisants lorsqu'il est combiné, dont la sortie est une valeur de -1.
Ensemble, une collection de neurones artificiels interconnectés est destiné à fonctionner d'une certaine manière fondamentale comme le fait le cerveau humain. Une telle artificiel réseau neuronal conception est considérée comme un tremplin essentiel sur le chemin de la vie, le développement de systèmes informatiques synthétiques artificiels qui peuvent raisonner dans une certaine mesure comme des êtres humains font. Systèmes informatiques intelligents aujourd'hui emploient déjà des réseaux de neurones qui permettent le traitement en parallèle de l'entrée de données dans un mode plus rapide que le traditionnel linéaire programmation informatique .
Un exemple d'un système de travail qui dépend du neurone artificiel est un système de protection des cultures développé en 2006, qui a utilisé un engin volant à analyser l'état des cultures de la présence de maladies saisonnières et les ravageurs. logiciel de réseau neuronal a été choisi pour contrôler le balayage les cultures, comme les réseaux de neurones sont essentiellement les ordinateurs apprennent. De plus en plus de données sont introduites dans les des conditions locales, ils deviennent plus efficaces pour détecter les problèmes afin qu'ils puissent être contrôlés rapidement avant qu'ils ne s'étendent. Un système contrôlé par ordinateur standard, d'autre part, aurait traité la totalité du champ de cultures également, indépendamment des conditions dans certaines sections variables.Sans avoir à reprogrammer continuelle par les concepteurs, il aurait été beaucoup plus inefficace qu'un système basé sur des adaptations de neurones artificiels.
Logiciel de réseau neuronal offre aussi l'avantage d'être adaptable par des ingénieurs qui ne sont pas intimement lié à la conception de base du logiciel à un niveau de codage. Le logiciel est capable de s'adapter à un large éventail de conditions, et les gains compétence comme il est exposé à ces conditions et recueille des données à leur sujet. Initialement, un réseau de neurones va produire une sortie incorrecte comme des solutions aux problèmes, mais, comme cette sortie est produite, elle est réinjectée dans le système en entrée et un processus continu de raffinage et de pesée des données conduit à de plus en plus précise compréhension de réel les conditions du monde, assez de temps et de rétroaction donnée.
Adaptation à la façon dont un réseau de neurones est conçu a conduit à d'autres types de neurone artificiel en plus de la structure de neurone binaire de base créée en 1943. Les réseaux de neurones semi-linéaires comportent deux fonctions linéaires et non linéaires qui sont activés par des conditions. Si le problème est analysé affiche conditions qui ne sont pas linéaires, ou n'est pas clairement prévisible, et pas mineur, les fonctions non linéaires du système sont utilisés par être donné plus de poids que les calculs linéaires. Comme la formation du système nerveux continue, le système devient mieux contrôler les conditions du monde réel qu'il surveille par rapport à ce que les conditions idéales du système devraient être. Cela implique souvent incorporant des modèles neuro-flous dans le réseau neuronal, qui sont en mesure de tenir compte des degrés d'imprécision dans la production d'une sortie pertinente et états de contrôle.
