Nevrale nettverk er en viktig Artificial Intelligence teknikk , og har vært en stor suksess innen maskinlæring og mønstergjenkjenning . De er noen ganger brukt i programmer som krever både mønstergjenkjenning og læreevne . Den vanligste typen av nevrale nettverk kalles en " backpropagation nettverk" som gjør at " buss " for å trene i nettverket. Instruksjoner
en

Kode en enkelt nervecelle i språket du ønsker . Gjennomføringen detaljer vil variere , men hver nervecelle må være i stand til å konsumere flere innganger , bruke en vekt til ulike innganger og deretter bruke en " sigmoid funksjon " for å produsere et resultat . Den " sigmoid funksjon " vil variere basert på hva nettverket er laget for å lære.
2

Lag en rekke "modellen nevroner " i språket du ønsker . Lag en andre lag av nerveceller. Hvert lag av nerveceller vil sende informasjon til en påfølgende lag av nevroner som vil fortsette å endre innganger til en utgang lag er kommet til .
3

Lag en utgang lag som gjør det mulig å gi svaret at det nevrale nettverket skal ha produsert . På dette punktet må det neurale nettverk å « backpropagate " svaret på alle de tidligere lag av nerveceller. Nervecellene må da beregne en feil og justere vektingen for sine ulike innganger .
4

Coach ditt nettverk til det begynner å produsere de riktige resultatene på en konsistent basis.