एक न्यूरल नेटवर्क एल्गोरिदम की एक श्रृंखला है जो मानव मस्तिष्क के काम करने के तरीके की नकल करने वाली प्रक्रिया के माध्यम से डेटा के एक सेट में मूलभूत संबंधों को पहचानने का प्रयास करता है। इस अर्थ में, न्यूरल नेटवर्क न्यूरॉन्स की प्रणालियों को संदर्भित करते हैं, चाहे जैविक या कृत्रिम।
न्यूरल नेटवर्क संज्ञानात्मक प्रणाली में सीखने की (परिकल्पित) प्रक्रियाओं और मस्तिष्क के न्यूरोलॉजिकल कार्यों के बाद तैयार की गई विश्लेषणात्मक तकनीकें हैं और मौजूदा जानकारी से तथाकथित सीखने की प्रक्रिया को लागू करने के बाद अन्य अवलोकनों से नए अवलोकनों (विशिष्ट चरों पर) की भविष्यवाणी करने में सक्षम हैं। न्यूरल नेटवर्क डेटा माइनिंग तकनीकों में से एक हैं।
पहला चरण एक विशिष्ट नेटवर्क आर्किटेक्चर को डिजाइन करना है (जिसमें "लेयर्स" की एक निश्चित संख्या शामिल है, जिनमें से प्रत्येक में "न्यूरॉन्स" की एक विशिष्ट संख्या है)। नेटवर्क का आकार और संरचना जांचे जा रहे घटना की प्रकृति (जैसे औपचारिक जटिलता) से मेल खाना चाहिए। चूंकि बाद वाला इस प्रारंभिक चरण में बहुत अच्छी तरह से ज्ञात नहीं है, यह कार्य आसान नहीं है और अक्सर कई "ट्रायल और एरर" शामिल होते हैं।
नए नेटवर्क को तब "प्रशिक्षण" की प्रक्रिया के अधीन किया जाता है। उस चरण में, न्यूरॉन्स इनपुट्स (चरों) की संख्या पर एक पुनरावृत्त प्रक्रिया लागू करते हैं ताकि नेटवर्क के वजन को नमूना डेटा पर इष्टतम रूप से भविष्यवाणी करने के लिए समायोजित किया जा सके जिस पर "प्रशिक्षण" किया जाता है। मौजूदा डेटा सेट से सीखने के चरण के बाद, नया नेटवर्क तैयार होता है और फिर भविष्यवाणियां उत्पन्न करने के लिए उपयोग किया जा सकता है।
पिछले कुछ वर्षों में न्यूरल नेटवर्क में रुचि का विस्फोट देखा गया है, और उन्हें वित्त, चिकित्सा, इंजीनियरिंग, भूविज्ञान, और भौतिकी जैसे विविध क्षेत्रों में समस्या डोमेन की एक असाधारण श्रृंखला में सफलतापूर्वक उपयोग किया जा रहा है। न्यूरल नेटवर्क के दो तत्व निम्नलिखित हैं:
शक्ति (Power)
न्यूरल नेटवर्क अत्यंत जटिल कार्यों को मॉडल करने में सक्षम बहुत परिष्कृत मॉडलिंग तकनीकें हैं। विशेष रूप से, न्यूरल नेटवर्क नॉन-लिनियर हैं। कुछ वर्षों से रैखिक मॉडलिंग अधिकांश मॉडलिंग डोमेन में आमतौर पर उपयोग की जाने वाली विधियां रही हैं क्योंकि रैखिक मॉडल में प्रसिद्ध अनुकूलन रणनीतियां हैं।
उपयोग में आसानी (Ease of Use)
न्यूरल नेटवर्क उदाहरण से सीखते हैं। न्यूरल नेटवर्क उपयोगकर्ता प्रतिनिधि डेटा एकत्र करता है और फिर डेटा की संरचना को स्वचालित रूप से सीखने के लिए प्रशिक्षण एल्गोरिदम को आमंत्रित करता है।
हालांकि उपयोगकर्ता को यह जानने के लिए कुछ ह्यूरिस्टिक ज्ञान की आवश्यकता होती है कि डेटा को कैसे चुनना और तैयार करना है, उपयुक्त न्यूरल नेटवर्क कैसे चुनना है, और परिणामों की व्याख्या कैसे करनी है, न्यूरल नेटवर्क को सफलतापूर्वक उपयोग करने के लिए आवश्यक उपयोगकर्ता ज्ञान का स्तर (उदाहरण के लिए) कुछ अधिक पारंपरिक नॉन-लिनियर सांख्यिकीय विधियों का उपयोग करने के मामले में आवश्यक ज्ञान से बहुत कम है।
