Opredeljeno je umetno nevronsko omrežje (ANN)
Umetna nevronska omrežja (ANN) so deli računalniškega sistema, ki so zasnovani za simulacijo načina, kako človeški možgani analizirajo in obdelujejo informacije. So temelji umetne inteligence (AI) in rešujejo težave, ki bi se s človeškimi ali statističnimi standardi izkazale za nemogoče ali težke. ANN imajo zmožnosti samostojnega učenja, ki jim omogočajo boljše rezultate, ko bo na voljo več podatkov.
Razčlenitev umetnih nevronskih mrež (ANN)
Umetna nevronska omrežja (ANN) utirajo pot razvoju aplikacij, ki spreminjajo življenje, za uporabo v vseh gospodarskih panogah. Platforme umetne inteligence (AI), ki so zgrajene na ANN, motijo tradicionalni način početja. Od prevajanja spletnih strani v druge jezike do tega, da bi virtualni asistent naročil trgovine po spletu do pogovorov s chatboti za reševanje težav, AI platforme poenostavljajo transakcije in omogočajo dostopnost storitev za vse za majhne stroške.
Kako sistem deluje?
Umetne nevronske mreže so zgrajene kot človeški možgani, pri čemer so nevronska vozlišča med seboj povezana kot splet. Človeški možgani imajo na stotine milijard celic, imenovanih nevroni. Vsak nevron je sestavljen iz celičnega telesa, ki je odgovorno za obdelavo informacij, tako da nosi informacije proti (vhodom) in stran (izhode) od možganov. ANN ima na stotine ali tisoče umetnih nevronov, imenovanih procesne enote, ki jih med seboj povezujejo vozlišča. Te procesne enote sestavljajo vhodne in izhodne enote. Vhodne enote prejmejo različne oblike in strukture informacij, ki temeljijo na notranjem sistemu uteži, in nevronska mreža poskuša izvedeti informacije, predstavljene za izdelavo enega izhodnega poročila. Tako kot ljudje potrebujejo pravila in smernice, da dosežejo rezultat ali rezultat, tudi ANNs uporabijo niz učnih pravil, imenovanih backpropagation, okrajšava za povratno širjenje napake, da izpopolnijo svoje rezultate.
ANN sprva skozi fazo usposabljanja, kjer se nauči prepoznati vzorce podatkov, bodisi vizualno, zvočno ali besedilno. V tej nadzorovani fazi omrežje primerja svojo dejansko proizvedeno proizvodnjo s tisto, kar naj bi proizvedlo, tj. Želeni izhod. Razlika med obema rezultatoma se prilagodi z uporabo razmnoževanja. To pomeni, da omrežje deluje nazaj od izhodne enote do vhodnih enot, da prilagodi težo svojih povezav med enotami, dokler razlika med dejanskim in želenim rezultatom ne povzroči najmanjše možne napake.
Med fazo usposabljanja in nadzora se ANN uči, kaj je treba iskati in kakšen mora biti njen izhod, z uporabo da / ne vprašanj z binarnimi številkami. Na primer, banka, ki želi pravočasno odkriti goljufije s kreditnimi karticami, ima lahko štiri vhodne enote, ki se hranijo s temi vprašanji: (1) Ali je transakcija v drugi državi, v kateri ima uporabnik prebivališče? (2) Ali je spletno mesto, s katerim se kartica uporablja, na pridruženih podjetjih ali državah na seznamu ure banke? (3) Ali je znesek transakcije večji od 2000 dolarjev? (4) Ali je ime na transakcijskem računu isto kot ime imetnika kartice? Banka želi, da bi bili odzivi "odkritih goljufij" Da Da Ne Ne, kar bi bilo v binarni obliki 1 1 1 0. Če je dejanski izhod omrežja 1 0 1 0, prilagodi svoje rezultate, dokler ne prinese izhoda, ki sovpada z 1 1 1 0. Po usposabljanju lahko računalniški sistem banko opozori na nerešene transakcije in banko prihrani veliko denarja.
Praktične aplikacije
Umetna nevronska omrežja so uporabljena na vseh področjih delovanja. Ponudniki e-poštnih storitev uporabljajo ANN za odkrivanje in brisanje neželene pošte iz uporabnikovega nabiralnika; upravljavci premoženja ga uporabljajo za napovedovanje smeri zalog družbe; Bonitetna podjetja ga uporabljajo za izboljšanje svojih metod ocenjevanja bonitet; platforme za e-poslovanje uporabljajo za prilagajanje priporočil svojim občinstvom; z ANN razvijajo klepete za obdelavo naravnega jezika; algoritmi globokega učenja uporabljajo ANN za napovedovanje verjetnosti dogodka; seznam vključitev ANN pa se nanaša na več sektorjev, industrij in držav.
Primerjajte investicijske račune Ime ponudnika Opis Razkritje oglaševalcev × Ponudbe, ki se pojavijo v tej tabeli, so partnerstva, od katerih Investopedia prejema nadomestilo.