Εικόνα. 2.11: Απλό μοντέλο NN με ένα κρυφό επίπεδο - Perceptron

Όταν οι νευρώνες ενός δικτύου είναι όλοι συνδεδεμένοι μεταξύ τότε χαρακτηρί-

ζεται ως πλήρως συνδεδεμένο αλλιώς είναι μερικώς συνδεδεμένο. Στη περίπτωση

όπου δεν υπάρχει σύνδεση μεταξύ νευρώνων προηγούμενου επιπέδου, τα δίκτυα

φέρουν πρόσθια τροφοδότηση, ενώ στη περίπτωση συνδέσεων μεταξύ νευρώνων

ίδιου επιπέδου, χαρακτηρίζεται με ανατροφοδότηση.

Βασικές λειτουργίες των ANN είναι η λειτουργία της μάθησης όπου κατά την

διαδικασία της εκπαίδευσης, χρησιμοποιείται για να τροποποιήσει την τιμή των βα-

ρών του δικτύου και η λειτουργία ανάκλησης (recall) όπου υπολογίζει ένα διάνυσμα

εξόδου για ένα συγκεκριμένο διάνυσμα εισόδου και τιμές βαρών.

Ακόμα, τα ANN μπορούν να εμφανίσουν φαινόμενα υποπροσαρμογής ή ατελούς

μάθησης (underfitting) ή υπερπροσαρμογής (overfitting). Όταν το δίκτυο είναι αρ-

κετά απλό τότε μπορεί να αποτύχει να μοντελοποιήσει τα δεδομένα εκπαίδευσης

και έτσι να οδηγηθεί σε υποπροσαρμογή. Σε άλλη περίπτωση, ένα πολύπλοκο νευ-

ρωνικό δίκτυο μπορεί να οδηγήσει σε υπερβολική μοντελοποίηση των δεδομένων

εκπαίδευσης καθώς και του θορύβου που μπορεί να υπάρχει σε αυτά. Συνέπεια

αυτού είναι η εμφάνιση υπερπροσαργμογής όπου προβλέπει ορθά τα δεδομένα εκ-

48