Les réseaux neuronaux sont une technique importante de l'intelligence artificielle , et ont été un grand succès dans le domaine de l'apprentissage automatique et la reconnaissance des formes . Ils sont parfois utilisés dans des programmes qui requièrent à la fois la reconnaissance des formes et de la capacité d'apprentissage . Le type le plus commun de réseau de neurones est appelé un " réseau de rétro-propagation » qui permet au «coach» pour former le réseau. Instructions
1

coder un seul neurone dans la langue de votre choix . Les détails de mise en œuvre peuvent varier, mais chaque neurone doit être en mesure de consommer des entrées multiples , appliquer une pondération de divers intrants et ensuite appliquer une «fonction sigmoïde " pour produire un résultat . La " fonction sigmoïde " variera en fonction de ce que le réseau est conçu pour apprendre.
2

créer un tableau de «neurones modèle " dans la langue de votre choix . Créer une deuxième couche de neurones . Chaque couche de neurones va transmettre des informations à une couche ultérieure de neurones qui va continuer à modifier les entrées jusqu'à ce qu'une couche de sortie est arrivé à .
3

Créer une couche de sortie qui vous permet de donner la réponse que le réseau neuronal aurait dû produire . À ce stade, le réseau de neurones doit " backpropagate " la réponse à toutes les couches précédentes de neurones. Les neurones devront alors calculer une erreur et ajuster la pondération de leurs divers apports .
4

Coach votre réseau de neurones jusqu'à ce qu'elle commence à produire des résultats appropriés sur une base cohérente .
< Br >