مدار عصبی: تفاوت میان نسخه‌ها
محتوای حذف‌شده محتوای افزوده‌شده
Fatranslator (بحث | مشارکت‌ها) جز اصلاح پیوند> بینهایت > بینهایت (ریاضی) (به درخواست کاربر:Yamaha5) دلیل:وپ:داپ |
LetsDoItBot (بحث | مشارکت‌ها) تمیزکاری، + ویرایش با ماژول ابرابزار با استفاده از AWB |
||
خط ۲۲:
== توصیف سیستم عصبی ==
[[پرونده:Diagram showing some of the main areas of the brain CRUK 188.svg|right|thumb|296x296px|80% نورون‌های مغز انسان (یعنی در حدود 69 billion نورون) در قسمت [[:en:Cerebellum|cerebellum]] یا همان مخچه قرار گرفته‌اند]]نام سیستم عصبی از اعصاب گرفته می‌شود. در حالت کلی، یک شبکه عصبی زیستی از مجموعه یا مجموعه‌ای از نورون‌های به صورت فیزیکی به هم متصل یا از لحاظ عملکردی به هم وابسته تشکیل شده‌است. هر نورون می‌تواند به تعداد بسیار زیادی از نورون‌ها وصل باشد و تعداد کل نورون‌ها و اتصالات بین آنها می‌تواند بسیار زیاد باشد. اتصالات، که به آنها [[سیناپس]] گفته می‌شود، معمولاً از [[آکسون
[[هوش مصنوعی]] و [[مدل سازی شناختی]] سعی بر این دارند که بعضی از خصوصیات شبکه‌های عصبی را [[شبیه‌سازی]] کنند. این دو اگرچه در روش‌هاشان به هم شبیه هستند اما هدف هوش مصنوعی حل مسائل مشخصی است در حالی که هدف [[مدل سازی]] شناختی ساخت [[مدل‌های ریاضی]] سامانه‌های نورونی زیستی است.
== شبکه‌های عصبی زیستی ==
شبکه‌های عصبی زیستی مجموعه‌ای بسیار عظیم از پردازشگرهای موازی به نام نورون اند که به صورت هماهنگ برای [[حل مسئله]] عمل می‌کنند و توسط [[سیناپس
این شبکه‌ها قادر به یادگیری اند. مثلاً با اعمال سوزش به [[سلول‌های عصبی]] لامسه، سلول‌ها یادمی‌گیرند که به طرف جسم داغ نروند و با این الگوریتم سامانه می‌آموزد که خطای خود را اصلاح کند.
یادگیری در این سامانه‌ها به صورت تطبیقی صورت می‌گیرد، یعنی با استفاده ازمثال‌ها وزن سیناپس‌ها به گونه‌ای تغییر می‌کند که در صورت دادن ورودی‌های تازه سامانه پاسخ درستی تولید کند.
← مجموع اتصالات نورون‌ها در مغز انسان در حالت مینیمم به بیش از 100 trillion می‌رسد و سرعت سیگنال‌ها در حدود ۲۵۶ مایل بر ساعت (یا ۴۱۱٫۹۹۲ کیلومتر بر ساعت) است. [http://discovermagazine.com/2011/mar/10-numbers-the-nervous-system]
← مغز یک انسان بالغ از نورون‌ها،
* در حدود ۱۶ میلیارد از نورون‌ها در [[:en:Cerebral cortex|cerebral cortex]] مغز قرار گرفته‌اند (به عبارت دیگر ۱۹٪ از تمام نورون‌های مغز) که شامل [[قشر مغز|قشر]] [[:en:White matter|white matter]] مغز هم می‌شود.
* در حدود ۶۹ میلیارد نورون هم در قسمت [[:en:Cerebellum|cerebellum]] قرارگرفته‌اند (که ۸۰٪ از تمام نورون‌های مغز محسوب می شه)
* کمتر از ۱٪ نورون هم در قسمت‌های دیگر مغز قرار گرفته.
نقشهٔ سه بعدی مغز با توضیحات کار هر یک از بخش‌ها و عوارض ممکن در آسیب دیدگی هر بخش را می‌توانید در [http://www.finr.net/files/brain/index.htm لینک 3D brain] دنبال کنید که
* '''cerebellum _ Hindbrain''' به تنظیم وضعیت و هماهنگی بدن کمک می‌کند و همه حرکات بدن و
* '''[[:en:Cerebrum|
** [[:en:Prefrontal cortex|Prefrontal Cortex]] مسئول استدلال کردن، ترسیم تصویر از یک اتفاق، گفتن، راندن وسایلی مانند دوچرخه، مقایسه گذشته و آینده در جهت پیش بینی آنچه که ممکن است اتفاق بیفتد، بررسی ایده‌ها و ادراک در جهت کمک به فرایند تصمیم‌گیری و سئوچ کردن بین کارها، منحرف کردن افکار فرد از یک عمل قبل از شروع عمل دیگر. همچنین این بخش از مغز نقشی در خود آگاهی self-awareness , تشخیص احساسات، تجربه لذتها، در ذهن خوداگاه کمک به درک سریع بودن یا کند بودن زمان، عمل کردن به عنوان قطب احساسی و فراخوانی احساس غریزی در مورد شناخت درست از غلط. همچنین پردازش احساساتی از قبیل اضطراب و ناامیدی نیز در این بخش مغز صورت می‌گیرد. (این قسمت از مغز با توجه به اینکه در جلوی قسمت cerebrum _ Forebrain مغز قرار گرفته به راحتی با ضربات تصادفی یا کمبود اکسیژن در حملهٔ قلبی قابل آسیب دیدن است که در صورت آسیب دیدن طیف وسیعی از مشکلات رفتاری از جمله خشونت یا عدم حساسیت، مشکلاتی در شروع وظایفت و متمرکز ماندن در انجام آنها، عملگردهای نامناسب غیرارادی و بستری شدن در مراکز درمانی را به دنبال دارد. علاوه بر این افراد مبتلا به افسردگی دارای فعالیت غیرطبیعی در قشر جلوی مغز هستند و این منطقه ممکن است در [[اختلال وسواس فکری عملی]] <nowiki/>نیز درگیر باشند.
** [[:en:Dorsolateral prefrontal cortex|dorsolateral prefrontal cortex]] یا به اختصار DLPFC در میانه بخش قبل در انسان‌ها و پستانداران واقع شده است و نسبت به قسمت‌های دیگر یکی از بخش‌های تازه تکامل یافته مغز انسان محسوب می‌شود که تکامل ان تا هنگام بزرگسالی ادامه می‌یابد. همچنین به orbitofrontal cortex و قسمت‌های مختلف مغز که شامل بخش [[تالاموس|thalamus]] , [[عقده‌های قاعده‌ای|basal ganglia]] , [[:en:Hypothalamus|hippocampus]] و مناطق اصلی و ثانویه [[نئوکورتکس|neocortex]] هم متصل است. این بخش در کارهای اجرایی دخالت دارد که عملکردهایی از قبیل مدیریت فرایندهای شناختی [[:en:Cognition|cognitive processes]] که شامل حافظه کاری [[:en:Working memory|working memory]] , [[:en:Cognitive flexibility|انعطاف‌پذیری شناختی]] و برنامه‌ریزی. همچنین وظایف رفتاری نیز به شدت مرتبط به این بخش به نظر می‌رسند و انجام وظایفی که نیاز به نگه داری اطلاعات در ذهن یا همان working memory را دارند. DLPFC برای به خاطر آوردن ایتم‌ها به صورت تکی مورد نیاز نیست بنابراین آسیب دیدگی این بخش سبب اختلال در حافظه شناختی یا [[:en:Dorsolateral prefrontal cortex|recognition memory]] نمی‌شود با این وجود در صورتی که فرد بخواهد دو آیتم را در حافضه با یکدیگر مقایسه کند دخالت بخش DLPFC نیز مورد نیاز خواهد بود. اشخاص با آسیب دیدگی DLPFC قادر نخواهند بود تصویری را که قبلاً به آنها نشان داده شده است را در بین دو تصویری که به آنها بعد از مدتی نشان می‌دهند را تشخیص دهند. بخش DLPFC در هنگام خواب فعال نیست و فقط پردازش زمان بیداری و واقعیت را بر عهده دارد. به همین ترتیب این بخش مکرراً همچنین با اختلالات رانندگی، توجه و انگیزه مرتبط دانسته شده. افرادی با آسیب دیدگی جزئی DLPFC عموماً احساس بی تفاوتی به محیط اطراف خود دارند و از خودانگیختگی در زبان و رفتار محروم اند همچنین این افراد به فقدان انگیزه برای انجام کاری برای خود و یا دیگران نیز دچار هستند.
* '''brainstem_''' قسمت زرد در تصویر بالا. این بخش هماهنگی فعالیت‌های خودکار یا رفلکس بدن را در فعالیت‌هایی که بدون تفکر انجام می‌گیرند مانند تنفس، تون عضلانی غیرارادی، فعالیت قسمت‌های مختلف بدن و وضعیت آنها، کمک به حفظ آگاهی از بدن، ضربان قلب، فشار خون، عطسه، سرفه، بیدارشدن از خواب و . . . را سازماندهی می‌کند و سازه اون که در بالای نخاج و زیر [[:en:Cerebrum|cerebrum]] و در مرکز مغز قرار داره مانند یک ساختمان هست که از بخش‌های (Diencephalon mid-brain , pons , medulla oblongata) تشکیل شده هست (آسیب دیدگی این بخش می‌تواند کشنده باشد، زمانی که عملکرد brainstem از دست می‌رود وضعیت شخص ممکن هست مرگ مغزی تشخیص داده شود. چون این قسمت از حول مغز دور هست آسیب دیدگی‌هایی مثل آسیب به سر و گردن، حمله قلبی و یا سکته مغزی، آنسفالیت، سموم مننژیت از جمله مونوکسید کربن (درحدود ۶۰٪ کربن منوکسید در خون می‌تواند به مرگ منجر شود. چون سرعت جذبش از اکسیژن توسط گلبول‌های خون بیشتر هست، عامل: تحت تأثیر مستقیم دود خودروها بودن) , سطح قند خون بالا و یا پایین طولانی مدت در افراد مبتلا به دیابت و سرطان در ساقه مغز که می‌تواند در نهایت منجر به کما یا مرگ شخص شود)
* '''Temporal Lobe _''' قسمت صورتی پررنگ در تصویر بالا. در این قسمت یک تصویر ذهنی کامل از اون چیزی که می‌بینیم و می‌شنویم و احساس می‌کنیم در ذهن درست می‌شود. زبان و شنوایی و بویایی در این قسمت مغز مورد پردازش قرار می‌گیرند. این قسمت از مغز همچنین به تشخیص اشیا، جهت حرکت، چهره‌های آشنا (ویژه) , بخاطر آوردن حقایق جهان و اطلاعات یا دانش عمومی، همراه کردن حافظه و احساسات و همچنین این قسمت نقش مهمی را درگرفتن تصمیمات اخلاقی/احساسی بر عهده داره. لوب Temporal بازیابی معنی کلمات را از حافظه انجام می‌دهد و سپس کلمات را با مفاهیم هماهنگ می‌کند تا شخص بتواند ایدهای خود را بیان کند. همین‌طور زمانی که کودکان در حال یادگیری خواندن هستند این بخش
* '''Parietal_''' قسمت آبی در تصویر بالا. حواس لمسی، درجه حرارت، فشار، و درد. Parietal به شخص برای رسیدن به درک و دانستن موقعیت چیزهای اطرافش کمک می‌کند. وقتی که شخصی را لمس می‌کنید Parietal واکنش نشان می‌دهد. لوب Parietal می‌توانید زمان و نقطهٔ صدمه را دقیقاً شناسایی کند. این قسمت باعث بخاطر آوردن شخص از نحوه چگونگی استفاده از ابزارها و همچنین حافظه شخص از بدن و واکنش‌های آشنا در برابر کنش‌های آشنای محیط بدون فکر کردن دربارهٔ آنها مانند بیسبال، شنا کردن و . . . لوب Parietal بین پیشانی و occipital نهفته در مغز بالا وسط در نزدیکی [[:en:Cerebrum|cerebrum]] نیمکره غالب در خواندن و نوشتن گفتار و محاسبه، اقدامات پیچیده. همچنین نقش مهمی در ادراک و تصویر ذهنی از بدن بر عهده دارد (آسیب: یک فرد با یک سکته مغزی ضایعه مغزی آسیب‌های مغزی و یا آسیب‌های دژنراتیو در این منطقه ممکن است قادر به تشخیص چهره، چپ از راست، رسم، کلمات یا اعداد، صحبت به طور معمول و یا اقامت متمرکز نباشد. آنها ممکن است فاصله و موقعیت شی را تشخیص ندهند، آنها ممکن است قضاوت خودشان را در برخی امور ساده از دست بدهند و مثلاً از یک اتاق به دیگری در خانه خود اشتاه کنند و احساس خود از درد، لمس یا درجه حرارت را از دست بدهند، آنها ممکن است چیزها را اشتباه گرفته و قادر به لباس پوشیدن و یا انجام کارهای ساده نباشند)
* '''Occipital_''' قسمت سبز در تصویر بالا " یا همون پس سر " نورون‌های این قسمت بر روی بینایی چشم کار می‌کنند و با کار کردن همراه دیگر بخش‌های مغز فعالیت‌هایی مثل پردازش تصاویر ارسال شده از چشم و تفسیر اشکال مختلف و رنگ‌ها، عمق تصاویر، زاویه‌هایی که ما در حال دیدنشان هستیم را انجام می‌دهند (آسیب یا عفونت یا نرسیدن اکسیژن و موارد دیگر به این قسمت ممکن است دید و درک بصری شخص را تحت تأثیر قرار دهد و شخص آسیب دیده به سختی قادر به خواندن متون و تشخیص رنگ‌ها و محل اشیای نزدیک، تفسیر ترسیماتی مانند (نقاشی) و تشخیص کلمات در متن است. گاهی هم ممکن هست شخص نتواند تغییر اشیا از یک مکان به مکان دیگر را در اطرافش ببیند. همچنین ممکن است شخص دچار انحراف دید و توهم بصری شود. همچنین آسیب دیدگی شدید به این بخش کوری را به همراه خواهد داشت / جراحات مغزی، آسیب و یا نوشتن متقابل " cross-writing " در محل اتصالی که در آن parietal و occipital اتصال جداری پیدا می‌کنند ممکن است باعث حس متقارن "synesthesia"و مخلوطی حواس شود. برای مثال اون افراد هنگام شنیدن موسیقی یا خواندن اعداد رنگ‌هایی را می‌بینند. برای آنها نت‌های مختلف موسیقی ممکن است واقعاً تولید یک سمفونی رنگ نماید. زمانی که این گونه افراد می‌نویسند ممکن است عدد ۵ به رنگ آبی و عدد ۶ به رنگ سبز مشاهده شود) [[پرونده:Neuron Cell Body.png|thumb|443x443px|جسم سلولی نورون ([[:en:Soma (biology)|Soma]])]]
خط ۵۰:
# نورون‌ها توسط یک غشاء احاطه شده است.
# نورون‌ها دارای هستهٔ حاوی ژن‌ها هستند
# نورون‌ها حاوی سیتوپلاسم، میتوکندری و دیگر "
تفاوت نورون‌ها با سلول‌های دیگر بدن.
# نورون‌ها دارای projectionsهای خاصی هستن که [[دندریت
# نورورن‌ها با یکدیگر از طریق یک پروسه الکتروشیمایی ارتباط برقرار می‌کنند
# نورون‌ها ایجاد ارتباط خاصی که سیناپس نام دارد می‌کنند و تولید مواد شیمیایی خاصی به نام neurotransmitters " انتقال دهنده‌های عصبی " که در محل
[[پرونده:1209 Glial Cells of the CNS-02.jpg|thumb|387x387px|سلول‌های [[:en:Neuroglia|Glial]]]]
memory و
همچنین در تحقیقات اخیر این احتمال
== سلول‌های Glial ==
خط ۷۷:
=== تحقیقات اخیر ===
'''در تاریخ Dec 17, 2009''' ابرکامپیوتر شرکت IBM در آمریکا توانست در حدود billion 1 (میلیارد) نورون را با حدود 10 trillion سیناپس مصنوعی شبیه‌سازی کند که نشان دهنده این واقعیت هست که نورون‌های مصنوعی به سیستم‌های قدرتمندی برای اجرا نیاز دارند و برای شبیه‌سازی مغز انسان احتمالاً به [[رایانه کوانتومی|کامپیوتر کوانتومی]] نیاز خواهد بود. همچنین با دانستن این موضوع که مورچه ۲۵۰٬۰۰۰ نورون و زنبور در حدود ۹۶۰٬۰۰۰ و گربه ۷۶۰٬۰۰۰٬۰۰۰ نورون و در حدود 10<sup>13</sup> سیناپس دارد می‌شود نتیجه گرفت که با
'''در تاریخ Dec 9, 2014''' شرکت IBM از تراشه SyNAPSE خود رونمایی کرد. این چیپ که با سرمایه‌گذاری DARPA (سازمان پروژه‌های تحقیقاتی پیشرفتهٔ دفاعی ایالت متحده) به بهره‌برداری رسیده، به گونه‌ای طراحی شده که فعالیت‌های مغز انسان را شبیه‌سازی کند و به طور کلی از چارچوب منطق بولین و باینری خارج شود. این تراشه متشکل از ۱ میلیون نورون مجازی است که با استفاده از ۲۵۶ میلیون سیناپس مجازی به یکدیگر متصل شده‌اند. سیناپس بزرگ‌ترین تراشه‌ای است که شرکت IBM تاکنون تولید کرده است، چراکه در آن ۵٫۴ میلیارد ترانزیستور استفاده شده است. همچنین مجموعهٔ ترانزیستورهای مورد استفاده متشکل از ۴٫۰۹۶ هستهٔ neuroSynaptic است که روی تراشه قرار گرفته‌اند. مصرف این تراشه تنها ۷۰ میلی‌وات mW است که در مقایسه با تراشه‌های کنونی بسیار کمتر است. [[:en:List of CPU power dissipation figures|List of CPU power dissipation figures]] از نظر مقیاس، تراشهٔ سیناپس برابر با مغز یک زنبور عسل است و تعداد نئورون‌ها و سیناپس‌های مورد استفاده با آن برابری می‌کند، با این وجود این تراشه بسیار ضعیف‌تر از مغز انسان‌ها است. مغز هر انسان از حدود ۸۶ میلیارد نورون و ۱۰۰ تریلیوین سیناپس تشکیل شده است. البته تیم توسعهٔ SyNAPSE نشان داده که می‌توان با اتصال تراشه‌های سیناپس به یکدیگر، تراشهٔ بزرگ‌تر و قوی‌تری ساخت.
خط ۸۳:
در حال حاضر IBM موفق شده یک بورد قابل برنامه‌ریزی و کارآمد با استفاده از ۱۶ عدد چیپ SyNAPSE ایجاد نماید که همگی در هماهنگی کامل با یکدیگر فعالیت می‌کنند. این بورد نمایانگر قدرت ۱۶ میلیون نورون است که بنا بر گفتهٔ محققان این پروژه، در پردازش سنتی با استفاده از تعداد زیادی رک (مکان قرارگیری چندین کامپیوتر پر قدرت بزرگ) و مجموعه‌های عظیم کامپیوتری قابل دستیابی بود؛ و با وجود مجتمع نمودن ۱۶ چیپ در یک سیستم، باز هم با مصرف نیروی به شدت پایینی روبرو هستیم که در نتیجهٔ آن حرارت بسیار پایین‌تری نیز تولید می‌شود. در حقیقت چیپ SyNAPSE جدید آنچنان انقلابی بوده و دنیای پردازش را از نگرش دیگری نمایان می‌سازد که IBM مجبور شده برای همراهی با توسعهٔ آن به ایجاد یک زبان برنامه‌نویسی جدید بپردازد و یک برنامهٔ آموزشی گستردهٔ اطلاع‌رسانی تحت نام دانشگاه SyNAPSE راه‌اندازی کند.[http://www.zoomit.ir/2014/8/10/13168/ibm-synapse-supercomputing-chip/][https://www.theguardian.com/technology/2014/dec/09/synapse-ibm-neural-computing-chip]
'''در تاریخ March 16, 2016''' شرکت Google بخش [[:en:Google DeepMind|DeepMind]] توانست توسط هوش مصنوعی خود قهرمان جهان را در بازی GO (شطرنج چینی با قدمتی بیش از ۲۵۰۰ سال
اهمیت برد آلفاگو :در ابتدای سال ۲۰۱۴ میلادی، برنامهٔ هوش مصنوعی Coulom که Crazystone نام داشت موفق شد در برابر نوریموتو یودا، بازیکن قهار این رشتهٔ ورزشی پیروز شود؛ اما موضوعی که باید در این پیروزی اشاره کرد، انجام ۴ حرکت پی در پی ابتدایی در این رقابت توسط برنامهٔ هوش مصنوعی توسعه یافته بود که برتری بزرگی در بازی گو به شمار می‌رود. در آن زمان Coulom پیش‌بینی کرده بود که برای غلبه بر انسان، نیاز به ''یک بازهٔ زمانی یک دهه‌ای'' است تا ماشین‌ها بتوانند پیروز رقابت با انسان‌ها در بازی GO باشند. چالش اصلی در رقابت با بهترین بازیکن‌های گو، در طبیعت این بازی نهفته است. حتی بهترین ابررایانه‌های توسعه یافته نیز برای آنالیز و پیش‌بینی نتیجهٔ حرکت‌های قابل انجام از نظر قدرت پردازشی دچار تزلرل شده و نمی‌توانند قدرت پردازشی مورد نیاز را تأمین کنند. در واقع نیروی پردازشی این رایانه‌ها مناسب نبوده و در نتیجه زمان درازی را برای ارائهٔ نتیجهٔ قابل قبول مورد نیاز است. زمانی که ابررایانهٔ موسوم به Deep Blue که توسط IBM توسعه یافته بود، موفق شد تا در سال ۱۹۹۷، گری کاسپاروف، قهرمان شطرنج جهان را شکست دهد، بسیاری به قدرت این ابررایانه پی بردند؛ چراکه این ابررایانه با قدرت زیادی کاسپاروف را شکست داد. علت پیروزی قاطع این Deep Blue، قدرت بالای این ابررایانه در کنار قدرت تحلیل و نتیجه‌گیری از هر حرکت احتمالی ممکن در بازی بود که تقریباً هیچ انسانی توانایی انجام آن را ندارد. اما چنین پیش‌بینی‌هایی در بازی GO ممکن نیست. براساس اطلاعات ارائه شده در بازی شطرنج که در صفحه‌ای ۸ در ۸ انجام می‌شود، در هر دور، بصورت میانگین می‌توان ۳۵ حرکت را انجام داد، اما در بازی گو که بین دو نفر در تخته‌ای به بزرگی ۱۹ در ۱۹ خانه انجام می‌شود، در هر دور بصورت میانگین می‌توان بیش از ۲۵۰ حرکت انجام داد. هر یک از این ۲۵۰ حرکت احتمالی نیز در ادامه ۲۵۰ احتمال دیگر را در پی دارند؛ که می شه نتیجه گرفت که در بازی گو، به اندازه‌ای احتمال حرکات گسترده است که تعداد آن از اتم‌های موجود در جهان هستی نیز بیشتر است.
خط ۹۱:
سخت‌افزار مورد نیاز سیستم یادگیری عمیق دیپ مایند: براساس اطلاعات ارائه شده، سیستم DeepMind قادر است روی رایانه‌ای با چند پردازندهٔ گرافیکی نیز به خوبی کار کند؛ اما در مسابقه‌ای که آلفاگو در برابر فان هوی برگزار کرد، این سیستم مبتنی بر شبکهٔ عصبی از وجود شبکه‌های از رایانه‌ها بهره می‌برد که شامل بیش از ۱۷۰ پردازندهٔ گرافیکی [[انویدیا|Nvidia]] و ۱٬۲۰۰ پردازنده بود. [http://www.zoomit.ir/2016/2/11/126687/huge-breakthrough-googles-ai-beats-a-top-player/]
'''در تاریخ October 4, 2016''' شرکت Google از نوعی رباتیک ابری رونمایی کرد که در ان
در شروع یادگیری رفتار هر ربات از منظر ناظر خارجی
== تاریخچه شبکه‌های عصبی مصنوعی ==
خط ۱۶۴:
== کاربرد شبکه‌های عصبی ==
شبکه‌های عصبی مصنوعی دارای دامنه کاربرد وسیعی می‌باشند از جمله سامانه‌های آنالیز ریسک، کنترل هواپیما بدون خلبان، آنالیز کیفیت جوشکاری، آنالیز کیفیت کامپیوتر، آزمایش اتاق اورژانس، [[اکتشاف نفت]] و گاز، سامانه‌های تشخیص ترمز کامیون، تخمین ریسک وام، شناسایی طیفی، تشخیص دارو، فرایندهای کنترل صنعتی، مدیریت خطا، [[تشخیص صدا]]، تشخیص هپاتیت، [[بازیابی اطلاعات]] راه دور، شناسایی مین‌های زیردریایی، تشخیص اشیاء سه بعدی و دست نوشته‌ها و چهره
در کل می‌توان کاربردهای شبکه‌های عصبی را به صورت زیر دسته‌بندی کرد:
تناظر (شبکه الگوهای مغشوش وبه هم ریختهرا بازشناسی می‌کند)، خوشه یابی، دسته‌بندی، شناسایی، بازسازی الگو، تعمیم دهی (به دست آوردن یک پاسخ صحیح برای محرک ورودی که قبلاً به [[شبکه آموزش]] داده نشده)، بهینه‌سازی.
امروزه شبکه‌های عصبی در کاربردهای مختلفی نظیر مسائل تشخیص الگو که خود شامل مسائلی مانند تشخیص خط، شناسایی گفتار، [[پردازش تصویر]] و مسائلی از این دست می‌شود و نیز مسائل دسته‌بندی مانند دسته‌بندی متون یا تصاویر، به کار می‌روند. در کنترل یا مدل سازی سامانه‌هایی که ساختار داخلی ناشناخته یا بسیار پیچیده‌ای دارند نیز به صورت روزافزون از شبکه‌های عصبی مصنوعی استفاده می‌شود. به عنوان مثال می‌توان در کنترل ورودی یک موتور([[کنترل‌کننده موتور]]) از یک شبکه عصبی استفاده نمود که در این صورت شبکه عصبی خود تابع کنترل را یاد خواهد گرفت.
کاربرد مناسب تر شبکه عصبی (در مقایسه با روش‌هایی از قبیل PID)برای کنترل یک سیستم دور موتور در برابر تغییرات ناگهانی بار و زمان پاسخ دهی نیز مطرح شده
== معایب شبکه‌های عصبی ==
خط ۲۳۰:
*** [[:en:Optical neural network|Optical neural network]]
*** [[:en:Neuromorphic engineering|neuromorphic hardware]]
''[[پرونده:Neurons uni bi multi pseudouni.svg|thumb|351x351px|تمایز Morphologische سلول‌های عصبی 1_[[:en:Unipolar neuron|Unipolar neuron]] (نورون تک قطبی) 2_ [[:en:Bipolar neuron|Bipolar neuron]] (نورون دو قطبی) ۳_ نورون‌های چند قطبی (سیستم مغز) 4_ [[:en:Pseudounipolar neuron|Pseudounipolar neuron]] ([[دستگاه عصبی پیرامونی|سیستم عصبی محیطی]])]]لیست کامل انواع شبکه‌های عصبی در [[:en:Types of artificial neural networks|
== جستارهای وابسته ==
| |||