Обобщение

Отклик сети после обучения может быть до некоторой степени нечувствителен к небольшим изменениям входных сигналов. Эта внутренне присущая способность видеть образ сквозь шум и искажения жизненно важна для распознавания образов в реальном мире. Она позволяет преодолеть требование строгой точности, предъявляемое обычным компьютером, и открывает путь к системе, которая может иметь дело с тем несовершенным миром, в котором мы живем. Важно отметить, что искусственная нейронная сеть делает обобщения автоматически благодаря своей структуре, а не с помощью использования «человеческого интеллекта» в форме специально написанных компьютерных программ.

Абстрагирование

Некоторые из искусственных нейронных сетей обладают способностью извлекать сущность из входных сигналов. Например, сеть может быть обучена на последовательности искаженных версий буквы А. Предъявление такого искаженного примера приведет к тому, что сеть породит букву совершенной формы. В некотором смысле она научится порождать то, что никогда не видела.

Применимость

Искусственные нейронные сети не являются панацеей. Они, очевидно, не годятся для выполнения таких задач, как начисление заработной платы. Похоже, однако, что им будет отдаваться предпочтение в большом классе задач распознавания образов, с которыми плохо или вообще не справляются обычные компьютеры.

Специалисты считают, что нейронные сети обладают следующими достоинствами:

1) толерантность по отношению к ошибкам из-за большого параллелизма в обработке данных; ошибка или отключение части сети для ее устранения не приводят к отказу сети, а лишь могут снизить качество передачи информации;

2) нейронная сеть не требует традиционного программирования, поскольку самообучается решению различных задач.

Недостатки:

1) В то же время обучение требует организации специальных наборов данных для обучения и затрат времени.

2) К недостаткам относят также невозможность решения задач, требующих высокой точности.