Yapay bir nöron, biyolojik beyin nöronlarının karmaşık etkileşimini veya insan beynindeki ve sinir sistemindeki dürtü ileten hücrelerin bir kısmını taklit etmeye çalışan bilgisayar sistemleri için yazılım programlamasında matematiksel bir fonksiyondur. Yapay nöronun ilk versiyonu 1943'te Warren McCulloch ve Walter Pitts tarafından girişin 1 veya -1 değerinde olabileceği bir ikili nöron biçimi olarak yaratıldı. Birlikte bu girişlerin bir kombinasyonu ağırlıklandırılır. Belirli bir eşiğin üstesinden gelinirse, yapay nöronun çıktısı 1'dir ve girdiler birleştirildiğinde yetersizse, çıktı -1 değerindedir.
Birlikte, birbirine bağlı yapay nöronlardan oluşan bir koleksiyonun, insan beyninde olduğu gibi bazı temel şekilde çalışması amaçlanmaktadır. Bu yapay sinir ağı tasarımı, yapay yaşamın gelişmesine giden yolda önemli bir basamak taşı olarak görülür, insanlar gibi bir kapasiteye neden olabilecek sentetik bilgisayar sistemleri. Akıllı bilgisayar sistemleri günümüzde halihazırda geleneksel lineer bilgisayar programlarından daha hızlı bir şekilde veri girişinin paralel işlenmesini sağlayan sinir ağlarını kullanmaktadır.
Yapay nörona bağlı olarak çalışan bir sistemin bir örneği, 2006'da geliştirilen ve mevsimsel hastalıkların ve zararlıların mevcudiyeti için mahsul koşullarını taramak için uçan bir aracı kullanan bir mahsul koruma sistemidir. Sinir ağları esasen bilgisayarları öğrendiği için, ürünlerin taranmasını kontrol etmek için sinir ağı yazılımı seçildi. Yerel şartlar hakkında kendilerine daha fazla veri beslendiğinden, yayılmadan önce hızla kontrol edilebilmeleri için sorunları tespit etmede daha verimli hale gelirler. Öte yandan, standart bir bilgisayar kontrollü sistem, bazı bölümlerdeki değişken koşullara bakılmaksızın, tüm mahsul alanını eşit olarak ele alırdı. Tasarımcılar tarafından sürekli olarak yeniden programlama yapılmadan yapay nöron adaptasyonlarına dayanan bir sistemden çok daha fazla verimsiz kalacaktır.
Sinir ağ yazılımı ayrıca, yazılımın temel tasarımını kodlama düzeyinde yakından tanımayan mühendisler tarafından uyarlanabilme avantajını da sunar. Yazılım çok çeşitli koşullara adapte olabilir ve bu koşullara maruz kaldıkça ve bunlar hakkında veri topladığında yeterlilik kazanır. Başlangıçta bir sinir ağı, sorunlara çözüm olarak yanlış çıktı üretecektir, ancak bu çıktı üretildiği için, sisteme girdi olarak geri beslenir ve sürekli bir rafine etme ve tartma işlemi sürekli olarak daha doğru ve doğru bir şekilde anlaşılmasını sağlar. dünya koşulları, yeterince zaman ve geribildirim veriliyor.
Bir sinir ağının nasıl tasarlandığına adaptasyon, 1943'te oluşturulan temel ikili nöron yapısının yanı sıra diğer yapay nöron tiplerine de yol açtı. Yarı-lineer sinir ağları, şartlar tarafından aktive edilen hem lineer hem de lineer olmayan fonksiyonları içerir. Eğer analiz edilen problem lineer olmayan veya açıkça tahmin edilemeyen ve küçük olmayan koşulları gösterirse, sistemin lineer olmayan fonksiyonları lineer hesaplamalardan daha fazla ağırlık verilerek kullanılır. Sinir sisteminin eğitimi devam ettikçe, sistemin izlediği gerçek dünya koşullarını kontrol etmede, sistemin ideal koşullarının ne olması gerektiği ile daha iyi hale gelir. Bu genellikle nöro-bulanık modellerin sinir ağına dahil edilmesini içerir ve anlamlı çıktı ve kontrol durumları üretmedeki hassasiyet derecelerini açıklayabilir.
