Rangkaian neural buatan

Rangkaian neural buatan atau rangkaian neuronan merupakan suatu rangkaian dibentuk berasaskan model otak terdiri daripada sel-sel neuron berangkai yang boleh dimodelkan sebagai peranti dedua berambang (model McCulloch-Pitts) secara paling mudah, atau juga sebagai peranti analog taklinear, pengayun, petaan bercelaru, atau lain-lain.

'Neuron-neuron' ini mempengaruhi yang lain menerusi rangkaian 'sinaps' (atau 'sambungan' atau 'pemberat'). Sambungan ini boleh berbentuk dedua atau analog, kabur, dan sebagainya, dan topologi rangkaian juga pelbagai - dari suap-ke-hadapan berlapisan sehingga dwiarah dan bersambung sepenuhnya. Jenis sambungan dan topologi rangkaian menentukan fungsi yang diwakilkan oleh sesuatu rangkaian neuronan itu. Model-model yang masyhur termasuklah model perseptron, model Hopfield (sebenarnya model Little-Hopfield), rangkaian bertandingan, dan ingatan bersekutu dwiarah (BAM).

Kekuatan sambungan juga boleh berubah dengan hukum dinamik tertentu, yang dikaitkan dengan proses pembelajaran. Model yang masyhur untuk pembelajaran ialah rambatan balik ralat. Ia selaras dengan pembelajaran Hebb, yang mengatakan bahawa sinaps atau sambungan yang selalu berfungsi, bertambah kuat dalam fungsi itu.

Model rangkaian neuronan menarik kepada ahli fizik kerana ia ada keserupaan dengan sistem-sistem fizik statistik seperti kaca spin, dan oleh itu membenarkan penggunaan konsep, teknik dan kaedah dari fizik dalam penganalisisannya.