自适应神经网络是一种处理信息并在必要时对网络进行调整的系统。这种网络可以在计算机系统或有机生命形式中找到。它们用于解释大量复杂的信息，是现代人工智能技术的基础。
人造自适应神经网络，也称为人工神经网络，是根据人类大脑中自然存在的神经网络建模的。人类和动物。他们使用一系列信息收集传感器（神经元）进行工作，这些传感器由中央处理单元进行解释。这些连接可以根据自己对如何最有效地执行其功能的评估来改变和改变它们与中央处理单元交互的方式。
男子拿着电脑
自适应神经网络"学习"有两种主要方式：监督学习和无监督学习。监督学习需要一个人类对应者来指导网络如何解释各种输入并与之交互。这种学习方式的目的是确保自适应神经网络处理信息的方法没有错误，并强化网络所需的动作。
非监督学习依赖于中央处理单元与其环境进行交互，并根据其原始编程自行决定如何操作。为此，它会组织和重新组织收到的信息，并对更改这些数据可能产生的结果进行预测。网络可以在线或离线学习。在线学习是指网络在执行任务的同时进行学习。离线学习需要网络与行动分开学习。
目前主要有四个任务由自适应神经网络执行的 ks。它们都涉及处理和解释模式。首先是聚类，网络检查许多模式并将相关模式分组为集群。自适应神经网络可以执行的第二个任务是识别和解释模式，例如书面或口头单词。在此过程中，它可能会尝试基于对相关模式的理解来理解完全未知的模式。提供函数值的估计是第三个主要任务，通常用于科学或工程。自适应神经网络可能执行的第四个主要任务是预测如果对某些数据模型进行更改，将来会发生什么。
人工神经网络是人工智能的一种形式，其最现代的用途包括先进的机器人技术。它更常被数据分析师使用，因为他们的工作涉及对数据进行解释和排序。大量的信息。人工神经网络可以帮助分析师组织数据、进行研究并测试公司产品和服务可能发生的变化。随着技术变得更加先进，神经网络的应用将变得更加普遍。
