Science fiction rejoint la réalité scientifique dans la conception de réseaux de neurones artificiels et de la création de l'intelligence artificielle . Basé sur le neurone du cerveau humain et les fonctions de réseau, un réseau neuronal artificiel ou ANN effectue des tâches d'une manière similaire . Comme un être humain , un réseau de neurones n'a pas besoin d' être " reprogrammé " une fois qu'il apprend quelque chose . Feed Forward ANN

Un réseau feed-forward est un réseau neuronal simple qui se compose d'une couche d'entrée , une couche de sortie et une ou plusieurs couches de neurones . La puissance du réseau se trouve dans le comportement d'un groupe de neurones connectés à mesure qu'elle évolue - grâce à l'évaluation de son rendement en examinant son entrée - et de décider si l'information tirée en est assez pour justifier une réponse ou une « sortie ». Ce réseau apprend à évaluer et reconnaître des modèles d'entrée.
Commentaires ANN

Le réseau de rétroaction se nourrit d'informations de retour sur lui-même et est bien adapté pour résoudre des problèmes d'optimisation , selon le Université du Massachusetts , Lowell Center for Atmospheric Research. Au lieu de décider de la meilleure réponse de la sortie , la sortie remonte au réseau pour obtenir les résultats les plus évoluées en interne. Corrections d'erreurs internes du système utilisent ANNs de rétroaction.
Classification - prédiction ANN

Un sous-ensemble de l' ANN feed-forward , la classification de prédiction ANN s'applique aux données scénarios déminage. Le réseau est formé pour reconnaître des modèles spécifiques et de les classer dans des groupes spécifiques , puis classer les plus en « modes de roman,« de nouvelles au réseau.