Bir sinir ağı modeli kullanmanın, özellikle de ağın çok çeşitli parametrelere ve veri gereksinimlerine uyarlanabilmesinin yanı sıra, minimum istatistik gerektiren kolay kullanımlı olmaları gibi birçok avantajı vardır. eğitim. Ayrıca, sinir ağları (sınırlı bir şekilde) bir insan operatör için mevcut en yakın model olma özelliğini öğrenme yeteneğine sahiptir.
Sinir ağları, girişler ve çıkışlar arasındaki karmaşık ilişkileri algılayacak kadar gelişmiş, bu model kullanıldığında başka bir avantaj.
Elbette, sinir ağları dezavantajları olmadan değildir. Modelin karmaşık ve gelişmiş yapısı nedeniyle, örneğin tasarımı çok zordur.
Bir sinir ağının uyarlanabilirliği ve duyarlılığı kesinlikle bir avantaj olsa da, sorunlarla da gelir. Bir sinir ağının verilerdeki en küçük değişime bile tepki göstereceği göz önüne alındığında, sonuç olarak analitik olarak modellemek çok zor olabilir.
Bir sinir ağı işletmek, bazı şirketler ve uygulamalar için büyük miktarda hesaplama kaynağı gerektirir, bu da pahalı ve muhtemelen pratik değildir.
Ayrıca, sinir ağları mükemmeldir ve çok miktarda veriyi sıkıştırırken, bu avantaj bir veri örneğinin boyutuna göre azalır. Örneğin küçük numuneler, şebeke büyük numunelerle en iyi şekilde çalıştığından etkili bir şekilde kullanılmayacaktır.
