Apibrėžti dirbtiniai neuroniniai tinklai (ANN)
Dirbtiniai neuroniniai tinklai (ANN) yra skaičiavimo sistemos dalys, skirtos žmogaus smegenims analizuoti ir apdoroti informaciją. Jie yra dirbtinio intelekto (PG) pagrindai ir išsprendžia problemas, kurios pagal žmogaus ar statistinius standartus gali būti neįmanomos ar sunkios. ANN turi savarankiško mokymosi galimybių, leidžiančių pasiekti geresnių rezultatų, kai tik gaunama daugiau duomenų.
Dirbtinių neuroninių tinklų (ANN) suardymas
Dirbtiniai neuroniniai tinklai (ANN) atveria kelią gyvenimą keičiančioms programoms, kurios bus naudojamos visuose ekonomikos sektoriuose. Dirbtinio intelekto (AI) platformos, kurios yra sukurtos ant ANN, sutrikdo tradicinį elgesio būdą. Nuo internetinių puslapių vertimo į kitas kalbas iki virtualių asistentų prekių užsakymo internetu iki pokalbio su pokalbių programėlėmis siekiant išspręsti problemas, AI platformos supaprastina operacijas ir daro paslaugas prieinamas visiems už nereikšmingas išlaidas.
Kaip sistema veikia?
Dirbtiniai neuroniniai tinklai yra sukurti kaip žmogaus smegenys, o neuronų mazgai yra sujungti kaip internetas. Žmogaus smegenyse yra šimtai milijardų ląstelių, vadinamų neuronais. Kiekvienas neuronas yra sudarytas iš ląstelės kūno, kuris yra atsakingas už informacijos apdorojimą, pernešdamas informaciją į (įėjimo) ir išėjimo (išvesties) smegenis. ANN turi šimtus ar tūkstančius dirbtinių neuronų, vadinamų apdorojimo vienetais, kurie yra sujungti mazgais. Šie procesoriai yra įvesties ir išvesties vienetai. Įvesties vienetai gauna įvairių formų ir struktūrų informaciją, pagrįstą vidine svorio sistema, o nervų tinklas bando sužinoti apie pateiktą informaciją, kad gautų vieną išvesties ataskaitą. Kaip žmonėms reikia taisyklių ir gairių, kad sugalvotų rezultatą ar rezultatą, ANNS taip pat naudoja mokymosi taisyklių rinkinį, vadinamą backpropagation, klaidų sklidimo atgal santrumpa, kad tobulintų savo išvesties rezultatus.
Iš pradžių ANN išgyvena mokymo etapą, kurio metu išmoksta atpažinti duomenų modelius vizualiai, fonetiškai ar tekstiniu požiūriu. Šio prižiūrimo etapo metu tinklas palygina savo faktinę produkciją su tuo, ką turėjo sukurti, ty su norima išvestimi. Skirtumas tarp abiejų rezultatų yra koreguojamas naudojant reprodukciją. Tai reiškia, kad tinklas veikia atgal, eidamas iš išvesties į įvesties įtaisus, kad sureguliuotų savo jungčių tarp vienetų svorį, kol skirtumas tarp faktinio ir pageidaujamo rezultato sukels mažiausią įmanomą klaidą.
Mokymo ir priežiūros etape ANN mokoma, ko reikia ieškoti ir koks turėtų būti jo rezultatas, naudojant Taip / Ne klausimų tipus su dvejetainiais skaičiais. Pvz., Banke, norinčiame laiku nustatyti sukčiavimą kreditine kortele, gali būti pateikti keturi įvesties vienetai, kuriems bus pateikti šie klausimai: (1) Ar operacija vykdoma kitoje šalyje nei vartotojo gyvenamoji šalis? (2) Ar svetainė, kurioje kortelė naudojama, yra susijusi su įmonėmis ar šalimis, esančiomis banko stebėjimo sąraše? (3) Ar operacijos suma yra didesnė nei 2 000 USD? (4) Ar vardas operacijos sąskaitoje sutampa su kortelės turėtojo vardu? Bankas nori, kad atsakymai „aptikta sukčiavimo“ būtų Taip Taip Taip Ne, kuris dvejetainiu formatu būtų 1 1 1 0. Jei faktinė tinklo išvestis yra 1 0 1 0, jis koreguoja savo rezultatus, kol pateiks išvestį, kuri sutampa su 1 1 1 0. Po mokymų kompiuterinė sistema gali įspėti banką apie laukiančias nesąžiningas operacijas ir taip sutaupyti bankui daug pinigų.
Praktiniai pritaikymai
Dirbtiniai neuroniniai tinklai buvo pritaikyti visose operacijų srityse. El. Pašto paslaugų teikėjai naudoja ANN, norėdami aptikti ir ištrinti šlamštą iš vartotojo pašto dėžutės; turto valdytojai naudoja ją prognozuodami įmonės akcijų kryptį; Kredito reitingų firmos naudoja tai patobulindamos savo kredito įvertinimo metodus; elektroninės komercijos platformos ją naudoja norėdamos suasmeninti rekomendacijas savo auditorijai; Pokalbių robotai yra sukurti su ANN natūraliam kalbos apdorojimui; giluminio mokymosi algoritmai naudoja ANN numatyti įvykio tikimybę; ir ANN įtraukimo sąrašas vykdomas keliuose sektoriuose, pramonės šakose ir šalyse.
Palyginkite investicinių sąskaitų teikėjo pavadinimą Aprašymas Skelbėjo informacijos atskleidimas × Šioje lentelėje pateikti pasiūlymai yra iš partnerystės, iš kurios „Investopedia“ gauna kompensaciją.