Vad är användningen av neurala nätverk för förutsägelse?

Neurala nätverk är komplexa beräkningsmodeller som ofta används för mönsterigenkänning.Eftersom neurala nätverk modelleras på biologiska hjärnfunktioner kan de "lära sig" och förutsäga resultat.Det finns många praktiska användningar av neurala nätverk för förutsägelse, inklusive ekonomisk beräkning, väderprognoser och medicinsk diagnos.

Konstgjorda neurala nätverk för förutsägelse inspireras av den mänskliga hjärnan.I en biologisk hjärna är många små bearbetningsenheter som kallas ”neuroner” anslutna till ett stort nätverk.Varje enskilt bearbetningsområde är relativt enkelt, men hela nätverket kan lösa komplexa problem när varje neuron fungerar tillsammans.Förbindelserna mellan varje liten neuron kan konfigureras om till nya nätverksmönster.Detta gör att hjärnan kan omorganisera sig själv och "lära sig" nya koncept.

Som en mänsklig hjärna innehåller ett konstgjort neuralt nätverk många små processorer och anslutningar, som kan konfigureras om.Konceptet med att använda konstgjorda neuroner beskrevs först av forskarna Walter Pitts och Warren McCulloch 1943. Detta vetenskapliga verk utvidgades snart och publicerades av den berömda artificiella intelligenspionjären Alan Turing, som skrev om konstgjorda neurala nätverk i en 1948 -publikation med titeln "Intelligent Machineryery. ”

Finansiell beräkning är en av de vanligaste användningarna av neurala nätverk för förutsägelse.I huvudsak används ett neuralt nätverk som ett matematiskt "filter" för att förutsäga ett resultat baserat på tillgängliga finansiella data.Denna funktion används ofta i programvaran för prediktion av aktiemarknaden.I denna applikation bearbetar en dator tidigare marknadstrender.När ett mönster har fastställts beräknar det neurala nätverket om en aktie kommer att stiga eller falla i framtiden.

Neurala nätverk kan också användas för att bestämma kreditbetyget för en individ eller företag.Liksom med lagerförutsägelse är mönsterigenkänning nyckeln.Ett nätverk kan överväga tusentals tidigare kreditmottagare och analysera deras ekonomiska historia.Genom att hitta tidigare trender kan neurala nätverk för förutsägelse uppskatta vilka nya sökande som sannolikt kommer att gå ut på sin kredit.Dessa individer får ett högrisk kreditbetyg baserat på förutsägelse.

På liknande sätt kan neurala nätverk användas för väderprognoser.Många olika miljöfaktorer som temperatur och vindströmmar kan matas in i nätverket.Med hjälp av en prognosmodell som är baserad på tidigare klimatmönster kan det neurala nätverket bestämma det troliga resultatet av nuvarande väderförhållanden.

Användning av neurala nätverk för förutsägelse kan också hjälpa till att lösa vissa medicinska problem.Människokroppen är mycket komplex, och dussintals eller till och med hundratals faktorer kan kombineras för att orsaka medicinskt tillstånd.Neurala nätverk kan ibland härleda källan till ett symptom.I denna applikation kan ett konstgjort nätverk hitta trender och mönster från tidigare patientjournaler och förutsäga den mest troliga orsaken till en sjukdom.