Omówione w cześci teoretycznej cechy sieci neuronowych, jak również znane z literatury różnorodne modele struktur sieciowych pozwalają na scharakteryzowanie ich możliwości oraz obszarów ich potencjalnych zastosowań.
Sieci nie uczą się algorytmów, lecz uczą się przez przykłady. W przeciwieństwie do konwencjonalnych komputerów są słabymi maszynami matematycznymi i słabo nadają się do typowego przetwarzania wykorzystującego algorytmy. Bardzo dobrze natomiast nadają się do zadań związanych z:
- rozpoznawaniem obrazów (nawet w przypadku niepełnej bądź zafałszowanej informacji),
- problemami optymalizacyjno - decyzyjnymi,
- szybkim przeszukiwaniem dużych baz danych,
- klasyfikacją i kompresją danych.
[ Początek strony ] [ MiNIWyklady ]