Le terme «réseau neuronal» a été traditionnellement utilisé pour les réseaux de neurones biologiques trouvés dans les systèmes nerveux des êtres vivants. Toutefois, dans les temps modernes, il est souvent utilisé pour désigner les réseaux de neurones artificiels qui sont des modèles informatiques ou mathématiques qui simulent les réseaux de neurones biologiques. Ce sont souvent des systèmes adaptatifs utilisés pour la recherche sur l'intelligence artificielle, ainsi que de mieux comprendre les réseaux de neurones biologiques.
analogie neurobiologique
les réseaux de neurones biologiques sont extrêmement complexes, et les humains ne sont pas encore les comprendre complètement. Cependant, leur compréhension a des applications critiques dans la science médicale et psychologique, y compris, mais sans s'y limiter, l'analyse et le traitement des maladies et des défauts du système nerveux du comportement. Les réseaux neuronaux artificiels aider comme outils de recherche dans le développement de la compréhension en simulant ces réseaux. développements importants dans le domaine des neurosciences ont été faites par la recherche impliquant des modèles de réseaux de neurones artificiels.
Tolérance aux pannes
réseaux de neurones biologiques sont intrinsèquement tolérant aux pannes, ce qui est tout à fait évident dans la vie réelle que nous voyons des cas fréquents de système nerveux partiel ou des dommages au cerveau, sans perturbation de la vie elle-même. En raison de leur nature hautement distribuée et modulaire, les réseaux de neurones artificiels présentent un niveau de tolérance de panne similaire élevée. Si un composant particulier ou un groupe de composants échoue, certaines fonctions ne peuvent pas être exécutées. Les capacités des composants intacts, cependant, sont conservés, et le réseau ne manque pas complètement.
auto Repair
La capacité de tolérance de panne est mieux mis à profit dans l'auto-réparation d'un réseau neuronal. Cela implique la partie survivante du réseau détecte un défaut ou d'interruption et tente de réparer les composants défectueux à l'aide de données conservées sur le réseau global. Ceci est une application majeure dans l'intelligence artificielle et permet d'économiser beaucoup d'efforts dans le débogage du réseau, comme la plupart des accidents sont traitées par le réseau lui-même. En outre, il fournit également des indications utiles sur le mécanisme d'auto-réparation des réseaux de neurones biologiques et aide à développer des techniques pour accélérer ou faciliter le processus d'auto-guérison naturelle plutôt que d'employer la guérison artificielle, ce qui a souvent des effets secondaires négatifs.
adaptativité
Dans un scénario statique ou prévisible dynamique, un plan d'action particulier peut être la façon optimale de traiter un problème. Dans un scénario imprévisible dynamique, il est souvent important d'apprendre, et de s'y adapter, les changements dans les circonstances afin de développer de nouvelles meilleures pistes d'action sur une base au cas par cas. Ceci est une caractéristique clé des réseaux de neurones biologiques et comme l'a souligné l'extension du MIT sur les réseaux neuronaux. Cet aspect est également incorporé dans les réseaux de neurones artificiels comme une application de l'intelligence artificielle importante, améliorant encore les performances et de réduire l'entretien ou la nécessité de fréquentes mises à jour au niveau du système pour répondre à des circonstances différentes.