Kunstige neurale netværk (ANN) defineret
Kunstige neurale netværk (ANN) er brikkerne i et computersystem designet til at simulere den måde, den menneskelige hjerne analyserer og behandler information på. De er grundlaget for kunstig intelligens (AI) og løser problemer, der kan vise sig umulige eller vanskelige efter menneskelige eller statistiske standarder. ANN har selvlæringsfunktioner, der sætter dem i stand til at producere bedre resultater, efterhånden som flere data bliver tilgængelige.
Nedbrydning af kunstige neurale netværk (ANN)
Kunstige neurale netværk (ANN) baner vejen for livsændrende applikationer, der skal udvikles til brug i alle sektorer i økonomien. Kunstige intelligens (AI) platforme, der er bygget på ANN, forstyrrer den traditionelle måde at gøre ting på. Fra oversættelse af websider til andre sprog til at have en virtuel assistent, der bestiller dagligvarer online til at tale med chatbots for at løse problemer, AI-platforme forenkler transaktioner og gør tjenester tilgængelige for alle til ubetydelige omkostninger.
Hvordan fungerer systemet?
Kunstige neurale netværk er bygget som den menneskelige hjerne, hvor neuronknudepunkter er forbundet som et web. Den menneskelige hjerne har hundreder af milliarder celler kaldet neuroner. Hver neuron består af en cellelegeme, der er ansvarlig for at behandle information ved at transportere information mod (input) og væk (output) fra hjernen. ANN har hundreder eller tusinder af kunstige neuroner kaldet behandlingsenheder, som er forbundet med knudepunkter. Disse behandlingsenheder består af input- og output-enheder. Inputenhederne modtager forskellige former og strukturer af information, der er baseret på et internt vægtningssystem, og det neurale netværk forsøger at lære om den præsenterede information for at producere en outputrapport. Ligesom mennesker har brug for regler og retningslinjer for at komme med et resultat eller output, bruger ANN også et sæt indlæringsregler kaldet backpropagation, en forkortelse for tilbagespredning af fejl, for at perfektionere deres outputresultater.
Et ANN går oprindeligt gennem en træningsfase, hvor den lærer at genkende mønstre i data, hvad enten det er visuelt, auralt eller tekstmæssigt. I denne overvågede fase sammenligner netværket dets faktiske output produceret med det, det var beregnet til at producere, dvs. den ønskede output. Forskellen mellem begge resultater justeres ved hjælp af backpropagation. Dette betyder, at netværket arbejder bagud med at gå fra outputenheden til inputenhederne for at justere vægten af dets forbindelser mellem enhederne, indtil forskellen mellem det faktiske og det ønskede resultat frembringer den lavest mulige fejl.
Under trænings- og overvågningsstadiet læres ANN, hvad de skal kigge efter, og hvad dens output skal være, ved hjælp af Ja / Nej spørgsmålstyper med binære tal. For eksempel kan en bank, der ønsker at opdage kreditkortsvindel til tiden, have fire inputenheder fodret med disse spørgsmål: (1) Er transaktionen i et andet land end brugerens hjemmehørende land? (2) Er det websted, kortet bruges til, tilknyttet virksomheder eller lande på bankens overvågningsliste? (3) Er transaktionsbeløbet større end $ 2.000? (4) Er navnet på transaktionsregningen det samme som kortholderens navn? Banken vil have, at "svind detekterede" svar skal være Ja Ja Ja Nej, hvilket i binært format ville være 1 1 1 0. Hvis netværkets faktiske output er 1 0 1 0, justerer den sine resultater, indtil det leverer en output, der falder sammen med 1 1 1 0. Efter træning kan computersystemet advare banken om afventende svigagtige transaktioner og spare banken masser af penge.
Praktiske anvendelser
Kunstige neurale netværk er blevet anvendt på alle driftsområder. Udbydere af e-mail-tjenester bruger ANN til at registrere og slette spam fra en brugers indbakke; kapitalforvaltere bruger det til at forudsige retningen for et selskabs aktie; Kreditvurderingsfirmaer bruger det til at forbedre deres kreditvurderingsmetoder; e-handelsplatforme bruger det til at tilpasse henstillinger til deres publikum; chatbots er udviklet med ANN til naturlig sprogbehandling; dyb indlæringsalgoritmer bruger ANN til at forudsige sandsynligheden for en begivenhed; og listen over ANN-inkorporering fortsætter på tværs af flere sektorer, industrier og lande.
Sammenlign Navn på udbydere af investeringskonti Beskrivelse Annoncørens viden × De tilbud, der vises i denne tabel, er fra partnerskaber, hvorfra Investopedia modtager kompensation.