توسط عبارت و مفهوم شبکه عصبی به مجموعه الگوریتم‌هایی گفته می‌شود که به مانند مغز انسان به دنبال پیدا کردن و تشخیص الگوهایی مشخص هستند. نحوه کار در شبکه عصبی بدین صورت که داده‌هایی قبلاً از طریق سنسورهایی از محیط بیرون دریافت شده و این موارد دریافتی به صورت داده‌هایی خام و به عنوان ورودی به یک شبکه عصبی، داده می‌شوند.
حال بعد از دریافت داده‌های ورودی، شبکه عصبی بر روی این داده‌ها اجرا می‌شود تا بدین ترتیب موفق به پیدا کردن الگویی مشخص در داده‌ها شده و یا بتواند آن‌ها را با زدن برچسب‌هایی مشخص، تا حدودی از همدیگر متمایز نماید.
ساختار شبکه‌های عصبی
هر شبکه عصبی در کل از ساختار زیر به وجود آمده است.
- ورودی
هر ورودی شبکه عصبی، دارای وزن مشخصی می‌باشد.
- لایه‌های درونی (لایه‌های پنهان)
عملیات اصلی شبکه‌های عصبی در این بخش انجام می‌شود.
- خروجی
در این قسمت می‌توانیم، خروجی و نتیجه فعالیت شبکه را مشاهده نماییم.
شمای کلی این ساختار، در شکل زیر نشان داده شده است.
البته در نظر داشته باشید که حالت‌های پیچیدهتر شبکه‌های عصبی نیز وجود دارند که در آن‌ها از تعداد بیش‌تری لایه‌های میانی (لایه‌های پنهان) استفاده می‌شود. توجه داشته باشید که عملیات اصلی در شبکه‌های عصبی در همین لایه‌های میانی صورت می‌گیرند.
استفاده از شبکه عصبی چه فوایدی برای ما خواهد داشت؟
روش‌های موجود در شبکه عصبی بقدری قدرتمند هستند که تقریباً تمامی مسائل پیچیده و حل نشدنی را میتوان با استفاده از آن‌ها حل نمود. البته برای کسب اینچنین موفقیت قابل توجهی، در ابتدا باید ورودی‌ها و لایه‌های موجود در شبکه عصبی را بدرستی تنظیم نماییم تا خروجی‌های مناسبی را دریافت کنیم.
یکی از کارهای اساسی صورت گرفته با شبکه عصبی، امکان جداسازی داده‌های دریافتی می‌باشد. بدین صورت که می‌توانیم در بین داده‌های دریافتی، آن‌هایی را که شباهت بیش‌تری با هم دارند، در گروه‌های مشخصی در کنار همدیگر جمع‌آوری نماییم.
ایده اصلی به کار گرفته شده در طبقه‌بندی داده‌های ورودی، روش به کار گرفته شده در یادگیری ماشین می‌باشد. از طرفی دیگر نیز در نظر داشته باشید که هر چقدر لایه‌های موجود در شبکه‌های عصبی بیش‌تر باشد، این ساختارها قادر به حل مسائل پیچیده‌تری خواهند بود.
