Umjetna neuronska mreža naziv je za neku vrstu računalne tehnologije koja pokušava oponašati ljudski mozak. Umjetna neuronska mreža ili ANN uključuje simulirane neurone i podražaje za pokušaje reproduciranja funkcija mozga. Ovaj široki raspon softvera i uređaja koristi modele neuronskih algoritama za stvaranje procesa donošenja odluka za koje se planeri nadaju da će blisko oponašati ljudske misaone procese. Umjetne neuronske mreže predstavljaju veliki napredak u odnosu na relativno primitivne ideje o računalima u prethodnim desetljećima.
Softver neuronske mreže tradicionalno se primjenjuje na igranje igara i druge zadatke koji uključuju relativno proračunatu ljudsku misao. U više biofizičkom smislu, neuronske mreže temelje se na ispitivanju načina na koji neuroni mozga komuniciraju i prenose poruke. Primjene neuronskih mreža uključuju interakciju različitih funkcija, gdje inženjeri promatraju ukupni produktivni učinak kako bi vidjeli kako ovi sustavi umjetne neuronske mreže mogu učinkovito oponašati ljudsku misao. Različite “primjena u stvarnom životu” za ANN uključuju regresijsku analizu, aproksimaciju funkcija, robotiku i opću obradu podataka.
Za različite istraživačke odredbe razvijene su različite vrste umjetnih neuronskih mreža. Oni koriste različite vrste modela učenja kao što su nadzirano, nenadgledano ili pojačano učenje. Vrste neuronskih mreža uključuju jednosmjernu neuronsku mrežu, funkciju radijalne baze ili RBF mrežu, Kohonenovu samoorganizirajuću mrežu, pa čak i modularne neuronske mreže gdje se veća mreža sastoji od nekoliko malih.
Druga vrsta nove strukture koja se primjenjuje na umjetne neuronske mreže često se naziva “komitet strojeva” gdje različite mrežne strukture daju svoj vlastiti “glas” ili “mišljenje” u procesu modeliranja odluka. To se također ponekad naziva asocijativna neuronska mreža ili ASNN. Korist ove vrste istraživanja očita je inženjerima koji vjeruju da ASNN može pomoći modeliranju donošenja odluka u ljudskoj skupini ili drugom složenom modeliranju na neke načine slične individualnim modelima donošenja odluka koje pruža ANN.
Načelo koje umjetna neuronska mreža često koristi naziva se “nerazličita logika”. Riječ “nerazito” koristi se za opisivanje svih praznina u podacima ili znanju. Neuronske mreže često su u stanju zatvoriti neke praznine u podacima ili znanju obrazovanim nagađanjem i statističkim predviđanjem, što je u suprotnosti sa strogom binarnom logikom “da ili ne” koja se tradicionalno povezuje s elektroničkim donošenjem odluka. Prevladavanje neizrazite logike pomaže neuronskim mrežama da daju bolje rezultate u simulacijama. Koristeći gradivne blokove prethodnih istraživanja, planeri i inženjeri s iskustvom s umjetnim neuronskim mrežama neprestano poboljšavaju ono što ti alati mogu učiniti za pomicanje granica našeg znanja o vlastitim umovima.