Прежде всего, когда мы говорим о нейронной сети, было бы правильнее употреблять термин "искусственная нейронная сеть" (ИНС). Биологические НС по своей структуре гораздо более сложны, чем их математические эквиваленты.
ИНС является сетью большого количества несложных процессоров ("устройств"), каждый из которых может иметь некоторое количество своей оперативной памяти. Устройства связываются симплексными каналами ("соединениями"), передающими дискретные (цифровые) данные. Каждый из процессоров работает в ограниченной области данных, получая входные данные через свои каналы.
Цель разработки – это то, чем НС отличаются от других математических моделей:
НС является устройством обработки данных, алгоритм работы которого или его аппаратная реализация базируется на принципах построения и работы человеческого мозга.
Большинство НС имеют свои правила, при помощи которых веса их соединений корректируются на основе поступающих данных. Другими словами, нейронные сети "обучаются" на примерах, подобно детям, которые учатся распознавать собак из картинок с их изображениями..
Нейронные сети имеют большой потенциал для параллелизма, начиная с того, что каждый из отдельных компонентов сети работает независимо. Некоторые люди считают высокий параллелизм и большую связность основными характеристиками НС, но такая точка зрения исключает из рассмотрения различные простые модели, как например, простая линейная регрессия, которая часто используется в специальных случаях применения нейронных сетей.
