Визначені штучні нейронні мережі (ANN)
Штучні нейронні мережі (ANN) - це частини обчислювальної системи, розроблені для моделювання способу аналізу та обробки інформації мозку людини. Вони є основою штучного інтелекту (ШІ) і вирішують проблеми, які виявляться б неможливими або складними людськими чи статистичними мірками. ANN має можливості самонавчання, які дають їм змогу давати кращі результати в міру отримання більшої кількості даних.
Розрив штучних нейронних мереж (ANN)
Штучні нейронні мережі (ANN) прокладають шлях для розробки програм, що змінюють життя, для використання у всіх галузях економіки. Платформи штучного інтелекту (AI), побудовані на ANN, руйнують традиційний спосіб здійснення справ. Від перекладу веб-сторінок на інші мови до того, щоб віртуальний асистент замовляв продукти в Інтернеті до розмови з чат-ботами для вирішення проблем, платформи AI спрощують транзакції та роблять послуги доступними для всіх за незначні витрати.
Як працює система?
Штучні нейронні мережі будуються як людський мозок, причому нейронні вузли пов'язані між собою, як павутина. Мозок людини має сотні мільярдів клітин, які називаються нейронами. Кожен нейрон складається з клітинного тіла, яке відповідає за обробку інформації, переносячи інформацію в бік (входи) і подалі (виходи) від мозку. ANN має сотні чи тисячі штучних нейронів, які називаються процесорними одиницями, які з'єднані між собою вузлами. Ці одиниці обробки складаються з вхідних і вихідних блоків. Блоки введення отримують різні форми та структури інформації на основі внутрішньої системи зважування, і нейронна мережа намагається дізнатися про інформацію, представлену для створення одного звіту про вихід. Так само, як людям потрібні правила та рекомендації для досягнення результату чи результату, ANN також використовують набір правил навчання, які називаються зворотним розповсюдженням, абревіатура для зворотного поширення помилки для вдосконалення своїх результатів.
ANN спочатку проходить навчальний етап, де він вчиться розпізнавати шаблони даних, будь то візуально, слухово чи текстуально. Під час цієї контрольованої фази мережа порівнює фактичний обсяг виробленого продукту з тим, що малося надати, тобто бажаний вихід. Різниця між обома результатами регулюється за допомогою зворотного розповсюдження. Це означає, що мережа працює назад, переходячи від вихідного блоку до блоків введення, щоб регулювати вагу його з'єднань між одиницями, поки різниця між фактичним та бажаним результатом не призведе до мінімальної можливої помилки.
Під час етапу навчання та спостереження ANN навчають, на що слід звертати увагу та який результат має бути, використовуючи «Так / Ні» питання питань із двійковими номерами. Наприклад, банк, який хоче вчасно виявити шахрайство з кредитними картками, може мати чотири вхідні блоки, які подаються з цими питаннями: (1) Чи проводиться операція в іншій країні від країни-резидента користувача? (2) Чи веб-сайт, на якому картка використовується, в афілійованих компаніях або країнах, що перебувають у списку спостережень банку? (3) Чи більша сума угоди більше 2000 доларів? (4) Чи ім'я на рахунку за транзакцією збігається з іменем власника картки? Банк хоче, щоб відповіді "виявлених шахрайств" були так Так, так Ні, що у двійковому форматі було б 1 1 1 0. Якщо фактичний вихід мережі становить 1 0 1 0, він коригує свої результати, поки не надіслати вихід, який збігається з 1 1 1 0. Після навчання комп'ютерна система може попередити банк про незаконні операції, заощадивши в банку багато грошей.
Практичні програми
Штучні нейронні мережі застосовуються у всіх областях операцій. Постачальники послуг електронної пошти використовують ANN для виявлення та видалення спаму з вхідних повідомлень користувача; менеджери активів використовують його для прогнозування напрямку акцій компанії; Кредитні рейтингові фірми використовують його для вдосконалення своїх методів оцінювання кредитів; Платформи електронної комерції використовують її для персоналізації рекомендацій своїй аудиторії; з ANN розроблені чати для обробки природних мов; алгоритми глибокого навчання використовують ANN для прогнозування ймовірності події; і список включень ANN поширюється у багатьох секторах, галузях та країнах.
Порівняйте інвестиційні рахунки Ім’я постачальника Опис Розкриття рекламодавця × Пропозиції, що з’являються в цій таблиці, є партнерствами, від яких Investopedia отримує компенсацію.