مزایای شبکه های عصبی مصنوعی نسبت به روش های کلاسیک
۱- تقریبا در کلیه روش های آمار کلاسیک، وجود فرضیات در مورد داده ها ضروری است که در آن روش های آماری مذکور، تنها وجود و یا عدم وجود هر فرضیه را تایید می کند. در حالی که در سیستم عصبی مصنوعی نیازی به طرح فرضیات نمی باشد.
۲- روش های کلاسیک به شدت به وجود خطا در داده ها حساس می باشند، در حالی که در سیستم عصبی مصنوعی، بررسی روابط میان متغیرها تحت تاثیر خطا قرار نمی گیرد.
۳- در روش های کلاسیک، در صورت وجود نقص در داده ها (missing data) دیگر امکان استفاده از داده های ناقص برای تحلیل آماری وجود ندارد و در نتیجه حجم نمونه مورد مطالعه به شدت کاهش می یابد. در سیستم عصبی مصنوعی این امکان فراهم شده تا علاوه بر استفاده از داده های کامل، امکان پیش گویی موارد نقصان نیز با دقت بسیار بالا میسر باشد.
۴- سیستم های کلاسیک از درک و یافتن روابط ریاضی میان داده ها کاملا عاجز است، این در حالی است که در روش سیستم عصبی مصنوعی، اساس کار شبکه بر پایه یافتن این روابط است.
۵- در روش های کلاسیک، تنها امکان بررسی رابطه میان یک یا دو متغیر مستقل و وابسته وجود دارد، در حالی که در روش شبکه عصبی، تعداد زیادی از متغیرهای مستقل و وابسته مورد مطالعه قرار گرفته و رابطه میان آن ها بررسی می گردد.
در شماره بعد، به کاربرد شبکه عصبی مصنوعی در علوم پزشکی خواهیم پرداخت.
