La neurona es el elemento básico de las redes neuronales, que procesa los datos de entrada con un método elegido.
De acuerdo con el tipo de datos de entrada, las neuronas se clasifican además como binarias y continuas, es decir, procesamiento de información de valores múltiples. El término “continuo” hace referencia a la filosofía de procesado de señales, donde su interpretación es discretizada en la mayoría de los casos como las neuronas y redes neuronales que son simuladas en un ordenador. Desde las implementaciones originales HW, sólo la clase de implementación óptica sigue siendo importante.
Un término importante en el campo de las redes neuronales es una función de transferencia, a veces llamada función de activación. Esta función convierte el potencial interno de la neurona a la gama de valores de salida. Las funciones más importantes se muestran en las figures siguientes.
Las redes neuronales trabajan básicamente en dos fases- fase de aprendizaje (adaptación) y fase activa (relajación).
Durante el aprendizaje, NN se cambia de tal manera que la red está siendo adaptada para la solución del problema dado. El aprendizaje se realiza mediante el establecimiento de pesos entre los nodos. En la práctica, esto se consigue mediante la asignación de valores iniciales, ya sea al azar, o elegidos en función de la experiencia, o de acuerdo con algún problema similar previamente resuelto. Esto es seguido por la introducción de una entrada de entrenamiento.
El aprendizaje se divide en aprendizaje supervisado y aprendizaje no supervisado.
Durante el aprendizaje supervisado, la NN aprende mediante la comparación real de la entrada con la salida requerida de tal manera que los pesos son adaptados hacia la mejor solución. La disminución de la diferencia se controla por un algoritmo de aprendizaje.
Por otro lado, el aprendizaje no supervisado no tiene ningún un criterio de validez específica. Los recursos de aprendizaje se organizan de tal manera que el algoritmo busca propiedades similares en los datos de entrada. Este aprendizaje se llama a veces de auto-organización.
. Durante la fase activa (relajación), un estado fuera de equilibrio aparece en la capa de salida sobre la base de los datos de entrada. Los valores almacenados dentro de las neuronas comienzan a cambiar por efecto de otras neuronas, hasta que se establezca un equilibrio estable.