سؤالات اولیه

یک رهیافت مهندسی برای حل مسائل ، عبارت است از ترکیب همه متغیرها و اطلاعات مناسب مساله به گونه ای ساختار یافته، به منظور فرموله کردن یک راه حل.

سؤالات اساسی که در این زمینه مطرح می گردند، عبارت اند از:

  • آیا فنون ANN برای مسائل موجود ، مفید یا حتی عملی هستند؟ آیا مساله، یک راه حل یا تعداد بیشترین راه حل دارد؟
  • آیا می تواینم ساختارهای ANN مناسب هر وضعیت را به دست آوریم یا اصلاح کنیم و در صورت لزوم، ANN را آموزش دهیم(پارامترها را تعیین کنیم)؟
  • آیا ابزار رسمی و اکتشافی که بتوان برای تعیین کردن ویژگی های راه حل ANN به کار برد، وجود دارد؟(مثلاً ، ترکیب محاسباتی اتخاذ شده برای روند تحلیل چیست؟)

روش های مهندسی عصبی: جایگزینی طراحی با آموزش

به طور نمونه، فرایند کلاسیک مهندسی «طراحی» ، شامل کاربردی اصولی از قواعد علمی و ریاضی به منظور طرح سیستمی که با یک مجموعه مشخصات سرو کار دارد، می باشد. از این جهت ممکن است، طراحی شامل قضاوت، بینش و احتمالاً تکرار باشد. فرایند«آموزش»، به عبارت دیگر ، به صورت نمونه شامل برخی روش های تعلیم دادن است تا در موقعی که سیستم با مشخصاتی مواجه می گردد، آن را به انجام رفتارهایی وادار سازد. اغلب اوقات، کاملاً این تعلیم دهی شامل تصحیح یا سازگاری پارامترهای سیستم است، برای اینکه در تکرار یا آزمایش بعدی، پاسخ سیستم به آنچه که مطلوب است، نزدیک باشد.

مهندسی عصبی تعیین اجزای مربوط به راه حل ANN ، شامل طراحی ANN کلی، توپولوژی های شبکه ، پارامترهای یک واحد و یک روندمرحله به مرحله آموزش (یادگیری) را جایگزین طرح های مهندسی کلاسیک می کند. گرچه ممکن ست این ارزیابی آسان به نظر برسد، لیکن به دیدگاه مهندسی (عصبی) قابل توجهی نیازمند است. وجود انتخاب های ممکن بسیار در توپولوژی ها و پارامترها منجر به مطالعات خسته کننده یا منجر به شبکه فاقد توان که از لحاظ مهندسی غیر عملی است، می گردد. علاوه بر این ، همانطور که قبلاً ذکر گردید، کارایی راه حل ANN باید مشخص باشد.