Jaringan saraf tiruan menawarkan kemampuan sebagai berikut:
1.
Nonlinearity. Sebuah neuron buatan bisa saja linier dan tidak linier. Jaringan saraf tiruan yang terdiri dari interkoneksi neuron yang nonlinier
yang membuat jaringan saraf itu nonlinier. Ketidaklinieran adalah sifat yang sangat penting secara khusus jika mekanisme fisik yang berperan
untuk membangkitkan sinyal input bersifat nonlinier.
2. Input-output mapping. Sebuah paradigma popular dari pembelajaran
disebut learning with a teacher belajar dengan guru atau supervised learning pembelajaran terbimbing yang melibatkan modifikasi bobot
sinapsis jaringan saraf tiruan dengan mengaplikasikan kumpulan sampel training. Setiap contoh terdiri dari sebuah input sinyal yang sangat unik
dan respon yang diinginkan. Jaringan direpresentasikan dengan sebuah contoh yang diambil secara acak, dan bobot sinapsis parameter bebas dari
jaringan, dimodifikasikan untuk meminimalisasi perbedaan antara hasil yang diinginkan dengan hasil yang sebenarnya yang dihasilkan oleh
jaringan dengan sinyal input sesuai dengan kriteria statistika. Pelatihan jaringan diulangi sampai mencapai kondisi dimana tidak ada perubahan
yang signifikan pada bobot sinapsis.
3. Adaptivity. Neural network memiliki kemampuan untuk menyesuaikan
bobot sinaptik mereka terhadap perubahan pada lingkungannya. Secara khusus, jaringan saraf dilatih untuk beroperasi pada lingkungan tertentu
terlebih dalam menghadapi perubahan kecil yang terjadi dalam kondisi lingkungan operasi. Arsitektur alami jaringan saraf untuk klasifikasi pola,
pemrosesan sinyal dan aplikasi kontrol, ditambah dengan kemampuan adaptif jaringan, membuatnya menjadi alat yang berguna dalam klasifikasi
pola adaptif, pengolahan kemampuan adaptif dan kontrol adaptif. Secara umum, dapat dikatakan bahwa semakin adaptif kita membuat sebuah
sistem memastikan bahwa sistem akan semakin stabil dan semakin kuat daya gunanya ketika sistem diperlukan untuk beroperasi di lingkungan
nonstasioner. Harus ditekankan, bagaimanapun adaptivitas tidak selalu menimbulkan kekuatan, sebaliknya dapat berlawanan. Misalnya, sistem
adaptif dengan konstanta waktu yang singkat cenderung untuk merespon gangguan palsu, menyebabkan drastis pada kinerja sistem.
Universitas Sumatera Utara
4. Evidential Response. Dalam konteks klasifikasi pola, jaringan saraf dapat
