sieci pełni rolę dyskryminatora wyników przeprowadzonych obliczeń, wskazując na klasę (stan) diagnozowanego obiektu. Proces uczenia sieci wielowarstwowych zależy głównie od rodzaju zadania wykonywanego przez sieć. Podstawową różnicę między komputerami konwencjonalnymi a sieciami ANN można scharakteryzować krótko: że te pierwsze działają na zasadzie tzw. algebry Boole'a, podczas gdy sieci neuronowe - na zasadzie np. algebry macierzowej.<br>Głównymi cechami wyróżniającymi sieci ANN są:<br>a) "naturalna" możliwość pracy równoległej,<br>b)skojarzeniowy dostęp do pamięci,<br>c)rozproszony zapis informacji na wszystkich komórkach pamięci.<br>W tablicy 8.1 przedstawiono zestawienie porównawcze podstawowych właściwości komputerów klasycznych i sieci neuropodobnych.<br><br>&lt;tit&gt;8.7. UCZENIE I TESTOWANIE DIAGNOZY TYPOWEJ SIECI ANN