شبكة عصبية ذات وصلات معينة عشوائيًا، تُستخدم كخط أساس للمقارنة.الشبكة العشوائية هي شبكة عصبية تُعيّن وصلاتها بشكل عشوائي دون أي تدريب. وهي بمثابة خط أساس في أبحاث التعلم الآلي لفهم ما الذي تساهم به البنية والتعلم فعليًا. والمثير للدهشة أن الشبكات العشوائية يمكن أن تؤدي أداءً أفضل من المتوقع، خاصةً عندما تُدمج مع بنى معينة أو عندما تُستخدم كمستخرج ميزات.
تعود فكرة الشبكات العشوائية إلى ثمانينيات القرن العشرين مع شبكات الصدى وحالات الآلات السائلة، لكن النهضة الحديثة جاءت مع ملاحظة أن الشبكات العميقة المهيأة عشوائيًا يمكن أن تكون فعالة بشكل مدهش، كما أظهرت دراسات حول عام 2010.
في الشبكة العشوائية، تُهيأ الأوزان بين الخلايا العصبية بقيم عشوائية ثم تُجمَّد. لا تُدرَّب الشبكة عبر الانتشار العكسي. بدلاً من ذلك، يُستخدم ناتجها إما مباشرة (مثلًا للتصنيف بطبقة قراءة بسيطة) أو تُستخدم تنشيطاتها الخفية كميزات لنموذج آخر. تعمل العشوائية كتحويل غير خطي ثابت للمدخلات، والذي يمكن أن يفصل البيانات أحيانًا بطرق مفيدة.
تُستخدم الشبكات العشوائية في الحوسبة الخزانية للتنبؤ بالسلاسل الزمنية، وفي آلات التعلم المتطرفة للتصنيف السريع، وكخط أساس لتقييم فائدة التدريب في التعلم العميق.
يمكن لشبكة عشوائية بطبقة خفية واحدة أن تقارب أي دالة مستمرة على مجال مضغوط، بشرط أن تكون الطبقة الخفية واسعة بما يكفي—وهي نتيجة تُعرف بنظرية التقريب الشامل للميزات العشوائية.

















