Yapay sinir ağları, biyolojik sinir ağlarından esinlenerek geliştirilmiştir. Tıpkı bir biyolojik sinir sisteminde olduğu gibi, burada da çeşitli nöronlar ve bu nöronları birbirine bağlayan sinir ağları vardır. Kısaca insan beyni ve sinir sistemini taklit ederler. Yapay sinir ağları bilinmeyen yada karmaşık içsel ilişkilere sahip problemlere çözüm bulmak amacıyla uzun yıllar üzerinde çalışılmış yapay zeka tekniği olarak tanımlanmaktadır. Yapay bir sinir ağının temel çalışma adımlarını şu şekilde sıralamak mümkündür.
Çalışma setinden uygun setin seçimi ve girdi vektörünün sinir ağına uygulanması
Sinir ağının çıktı değerinin hesaplanması
Sinir ağının çıktı değeri ile ulaşılmak istenen değer arasındaki hatanın hesaplanması
Hataları en aza indirgeyecek sinir ağı ağırlığının hesaplanması
Hatalar kabul edilir düzeye gelene kadar devam etmek
Yapay sinir ağları, diğer bir ifadeyle insan beyninin çalışma sisteminin yapay olarak modellemesi çabalarının bir sonucu olarak ortaya çıkmıştır. En genel anlamda insan beynindeki birçok sinir hücresinin ya da yapay olarak basit işlemcilerin birbirlerine değişik etki seviyeleri ile bağlanması sonucu oluşan karmaşık bir sistem olarak düşünülebilir.
Önceleri temel tıp birimlerinde insan beynindeki nöronların matematiksel modelleme çabaları ile başlayan çalışmalar, geçtiğimiz seneler içerisinde, disipline bir şekilde devam etmiştir. Günümüzde fizik, matematik, elektrik ve bilgisayar mühendisliği gibi birçok farklı bilim dalında araştırma konusu haline gelmiştir. Pratik kullanımı genelde, çok farklı yapıda ve formlarda bulunabilen enformasyon verilerini hızlı bir şekilde tanımlama ve algılama üzerine kuruludur.
Yapay Sinir Ağları’nda kullanılan öğrenme algoritmaları üç grupta incelenmektedir; Öğreticili öğrenme, bir dış öğreticinin ağa her bir girdi için ağın üretmesi beklenen “doğru” sonuçları hedef çıktı olarak verdiği düşünülür. Bu öğrenmede ağın ürettiği çıktılar ile hedef çıktılar arasındaki fark hata olarak ele alınır ve bu hata minimize edilmeye çalışılır. Öğreticisiz öğrenme, bu tür öğrenmede ağa sadece girdiler verilir.
Ağın ulaşması gereken hedef çıktılar bulunmaz. Ağ bu girdiler arasındaki ilişkiyi bir başka ifadeyle girdi setindeki örüntüyü öğrenmeye çalışır. Böylelikle ağ kendini girdi setindeki örüntüye uyumlaştırır. Takviyeli öğrenme, bu yöntem öğreticili öğrenme yöntemine benzemekle birlikte, ağa hedef çıktılar yerine, ağın çıktılarının ne ölçüde doğru olduğunu belirten bir skor veya derece bildirilir.
Yapay sinir ağları yöntemi, gayrimenkul değerinin tespitinin aşamasında birçok sorunu çözümleyebilmektedir. Biyolojik sinir ağlarından esinlenerek geliştirilmiştir. Yapay sinir ağları bilinmeyen ya da karmaşık içsel ilişkilere sahip problemlere çözüm bulmak amacıyla uzun yıllar üzerinde çalışılmış yapay zekâ tekniği olarak tanımlanmaktadır. İnsan beyninin öğrenme sürecinin tekrarlanmasıyla geliştirilmiştir. Bu sistemin çalışması için gereken temel adımlar ise;
Sistemin doğru olarak eğitilebilmesi için mutlaka sonuçları önceden bilinen bir eğitim setinin belirlenmesi,
Çalışma setindeki girdilerin uygulanmasından sonra çıktı değerinin hesaplanması ve bununla ulaşılmak istenen değer arasındaki, siyah alan veya gizli katman olarak tanımlanan hatanın hesaplanması,
Hataları en aza indirgeyecek sinir ağı ağırlığının hesaplanması ve hatalarının kabul edilebilir düzeye gelene kadar devam edilmesi olarak sıralanabilir.