شبکه عصبی روشی برای محاسبه است که بر پایه اتصال به هم پیوسته چندین واحد  پردازشی

  ساخته میشود. شبکه از تعداد دلخواهی سلول یا گره یا واحد یا نرون تشکیل میشود  که

مجموعه ورودی را به خروجی ربط میدهند.

فواید شبکه عصبی

1- محاسبه یک تابع  معلوم 2- تقریب یک تابع ناشناخته 3- شناسائی الگو 4- پردازش  سیگنال  5- یادگیری

 

 اگر مسئله ای شرایط زیز را دارا باشد می توان از روش شبکه عصبی استفاده نمود :

1- خطا در داده های آموزشی وجود داشته باشد

2- مواردی که نمونه ها توسط مقادیر زیادی زوج ویژگی-مقدار نشان داده شده باشند


3-  تابع هدف  دارای مقادیر پیوسته باشد


4- زمان کافی برای یادگیری وجود داشته باشد


5- نیازی به تعبیر تابع هدف نباشد

 

شبکه عصبی تنوع زیادی دارد که یکی از  پرکاربردترین آنها روش پرسپترون است .یک پرسپترون

برداری از ورودیهای با مقادیر حقیقی را گرفته و یک ترکیب خطی از این ورودیها را محاسبه

می کند. اگر حاصل از یک مقدار آستانه بیشتر بود خروجی پرسپترون برابر با 1 و در غیر اینصورت

معادل -1 خواهد بود.یک پرسپترون  فقط قادر است  مثالهائی را یاد بگیرد که بصورت خطی جداپذیر باشند.

 

روش شبکه عصبی در نرم افزار متلب و spss برنامه نویسی شده است.