شبکه­ های عصبی مصنوعی چگونه کار می­کنند؟

الگوریتم­ های یادگیری ماشینی که از ساختار شبکه­های عصبی استفاده می­کنند معمولا نیازی به برنامه­ریزی شدن با قوانین خاصی که مشخص کند چه چیزی از ورودی انتظار می­رود ندارند. به جای چنین قوانین خاصی این ساختارها از پردازش حجم بالایی از داده­ها، به طور معمول داده­های برچسب گذاری شده labeled data، یاد می­گیرند. این داده­ها در طول روند آموزش و یادگیری به شبکه ارائه شده و شبکه با کمک برچسب­های مشخص شده برای داده­های ورودی می­آموزد یادگیری چه ویژگی­هایی از داده ورودی برای ساختن خروجی مناسب نیاز است. زمانی که شبکه عصبی با تعداد مناسبی داده آموزش دید می­تواند بر روی داده­های جدید، داده­هایی که در روند آموزش با آن­ها مواجه نشده­است، پردازش انجام داده و خروجی مناسب و دقیقی تولید کند. هرچقدر تعداد داده­های موجود در روند آموزش از نظر تعداد و نیز تنوع بیشتر باشد معمولا شبکه می­تواند برای داده­های جدید نتایج دقیق­تری تولید کند.