Úvod

Umělá neuronová síť je matematickým modelem, který je složen z jednoduchých propojených elementárních výpočetních jednotek, neuronů.

Pro umělou neuronovou síť můžeme vysledovat jisté typické obecné rysy, zpravidla pro umělé neuronové sítě platí následující:

• Procesní elementy velmi jednoduché, pracuje jich však současně velký počet.
• Činnost sítě je paralelní.
• Jednotlivé procesní elementy pracují autonomně, lokálně a často asynchronně.
• Neurony jsou vzájemně víceméně hustě propojeny orientovanými, číselnými vahami ohodnocenými spoji.
• Váhy se upravují řízeným učením sítě a jejich nastavení představuje interní paměť znalostí sítě.
• Jsou velmi robustním řešením při částečném poškození sítě či neúplnosti vstupních dat.

Obr. 1. Obecné schéma neuronové sítě

Umělá neuronová síť realizuje zobrazení (transformaci) ze vstupního prostoru (vstupní vektory ) do prostoru výstupního (výstupní vektory ). Z vnějšího pohledu se tedy lze na umělou neuronovou síť dívat jako na „černou skříňku“, neboť nalezenou transformaci je až na elementární případy obtížné interpretovat, neexistuje formalizovaná analýza umělých neuronových sítí.

Umělé neuronové sítě můžeme dělit dle několika kriterií:

• Dle druhu použitých výpočetních elementů (formálního neuronu)
• Dle topologie sítě, tedy uspořádání elementů (rekurentní, dopředné, vzájemné vazby)
• Dle trénovacího algoritmu
• Dle strukturovanosti
  • Nestrukturované – všechny neurony rovnocenné (Hopfield)
  • Strukturované – typicky obsahují uspořádání nestrukturovaných podsítí
    • Hierarchické
    • Soutěživé

Níže je uvedeno jedno z možných členění umělých neuronových sítí dle Lippmanna, včetně uvedení typických reprezentantů dané třídy.

Obr. 2. Možné členění neuronových sítí dle Lippmanna