Для обеспечения работоспособности систем ИИ ученые занимались вопросом представления таких знаний. Это, в свою очередь, стало предпосылкой к созданию так называемых экспертных систем (ЭС), которые на основе баз знаний оказывают помощь в принятии решений. Большое значение стало предаваться методам самообучения машин, появились интеллектуальные обучающие методики, и к тому же совершались попытки повторения принципа работы нервной системы человека. Это и привело к созданию искусственных нейронных систем.
Таким образом, в основу всех исследований касательно ИИ заложена идея моделирования процессов человеческого мышления за счет использования возможностей компьютера.
Машинное обучение — это технология по созданию базы обучающих примеров, по которой компьютер или нейросеть приобретает знания, позволяющие затем правильно распознавать и классифицировать поступающую новую информацию. То есть машинное обучение можно представить как совокупность определенных алгоритмов и методов, позволяющих обучать компьютеры с целью получения конкретных выводов для рассматриваемого вопроса на основании имеющихся данных.
Применение обучающих примеров позволяет повысить точность получаемых результатов распознавания и классификации входящей информации. Такой процесс называют самообучением программы.
Нейронные сети управляются посредством сложных математических функций и позволяют решать задачи повышенной сложности, которые трудно решить, используя математические модели, построенные по аналитическим или иным методикам. Одним из основных достоинств нейронных сетей является способность получения точных значений на основе обработанных данных. Таким образом, применение нейронных сетей позволит найти решение для реальных мировых проблем в науке, промышленной индустрии и др. [2].
Работа простейшей нейронной модели осуществляется следующим образом: входящие сигналы передаются нейрону, затем, в зависимости от их значимости, они обрабатываются и формализуются с использованием математической функции. Нейрон может получать сигналы от многих ис точников, которые обычно формируются из экспериментальных данных и рассматриваются как входящие переменные, или входы. Входы характеризуются силой источника, называемой весом с определенным численным значением. Чем больше будет вес, тем сильнее интенсивность полученного сигнала и, следовательно, больше значимость для соответствующего входа. Входы и выходы анализируют и передают информацию по тому же принципу, как информация, полученная нами от глаз нервными импульсами, передается рукам.