Apa penggunaan jaringan saraf untuk prediksi?

Jaringan saraf adalah model komputasi kompleks yang sering digunakan untuk pengenalan pola.Karena jaringan saraf dimodelkan pada fungsi otak biologis, mereka dapat "belajar" dan memprediksi hasil.Ada banyak penggunaan praktis jaringan saraf untuk prediksi, termasuk perhitungan keuangan, peramalan cuaca, dan diagnosis medis.

Jaringan saraf buatan untuk prediksi terinspirasi oleh otak manusia.Di otak biologis, banyak unit pemrosesan kecil yang disebut "neuron" terhubung ke jaringan besar.Setiap area pemrosesan individu relatif sederhana, tetapi seluruh jaringan dapat memecahkan masalah yang kompleks ketika setiap neuron bekerja bersama.Koneksi antara setiap neuron kecil dapat dikonfigurasi ulang menjadi pola jaringan baru.Ini memungkinkan otak untuk mengatur ulang dirinya sendiri dan "belajar" konsep -konsep baru.

Seperti otak manusia, jaringan saraf buatan berisi banyak prosesor dan koneksi kecil, yang dapat dikonfigurasi ulang.Konsep menggunakan neuron buatan pertama kali dijelaskan oleh para ilmuwan Walter Pitts dan Warren McCulloch pada tahun 1943. Karya ilmiah ini segera diperluas dan dipublikasikan oleh perintis kecerdasan buatan yang terkenal, Alan Turing, yang menulis tentang jaringan saraf buatan dalam publikasi 1948 yang berjudul “Mesin Cerdas Cerdas Machinery Cerdas.. ”

Perhitungan keuangan adalah salah satu penggunaan jaringan saraf yang paling umum untuk prediksi.Pada dasarnya, jaringan saraf digunakan sebagai "filter" matematika untuk memprediksi hasil berdasarkan data keuangan yang tersedia.Fitur ini sering digunakan dalam perangkat lunak prediksi pasar saham.Dalam aplikasi ini, komputer memproses tren pasar sebelumnya.Setelah suatu pola telah ditetapkan, jaringan saraf menghitung apakah saham akan naik atau turun di masa depan.

Jaringan saraf juga dapat digunakan untuk menentukan peringkat kredit individu atau perusahaan.Seperti halnya prediksi stok, pengenalan pola adalah kuncinya.Jaringan dapat mempertimbangkan ribuan penerima kredit masa lalu, dan menganalisis sejarah keuangan mereka.Dengan menemukan tren masa lalu, jaringan saraf untuk prediksi dapat memperkirakan pelamar baru mana yang cenderung gagal bayar pada kredit mereka.Orang-orang ini menerima peringkat kredit berisiko tinggi berdasarkan prediksi.

Demikian pula, jaringan saraf dapat digunakan untuk peramalan cuaca.Banyak faktor lingkungan yang berbeda seperti suhu dan arus angin dapat dimasukkan ke dalam jaringan.Menggunakan model peramalan yang didasarkan pada pola iklim sebelumnya, jaringan saraf dapat menentukan kemungkinan hasil dari kondisi cuaca saat ini.

Penggunaan jaringan saraf untuk prediksi juga dapat membantu memecahkan masalah medis tertentu.Tubuh manusia sangat kompleks, dan lusinan atau bahkan ratusan faktor dapat bergabung menyebabkan kondisi medis.Jaringan saraf kadang -kadang dapat menyimpulkan sumber gejala.Dalam aplikasi ini, jaringan buatan dapat menemukan tren dan pola dari catatan pasien sebelumnya, dan memprediksi penyebab penyakit yang paling mungkin.