Definirane umjetne neuronske mreže (ANN)
Umjetne neuronske mreže (ANN) su dijelovi računalnog sustava dizajnirani da simuliraju način na koji ljudski mozak analizira i obrađuje informacije. Oni su temelji umjetne inteligencije (AI) i rješavaju probleme koji bi se pokazali nemogućim ili teškim ljudskim ili statističkim standardima. ANN imaju mogućnosti samo-učenja koje im omogućuju stvaranje boljih rezultata s više podataka.
Razbijanje umjetnih neuronskih mreža (ANN)
Umjetne neuronske mreže (ANN) otvaraju put razvoju aplikacija koje mijenjaju život za upotrebu u svim sektorima gospodarstva. Platforme umjetne inteligencije (AI) koje se grade na ANN-u narušavaju tradicionalni način postupanja. Od prevođenja web stranica na druge jezike do virtualnog pomoćnika koji naručuje namirnice putem interneta do razgovora s chatbotovima kako bi se riješili problemi, AI platforme pojednostavljuju transakcije i čine usluge dostupnima svima po zanemarivim troškovima.
Kako sustav funkcionira?
Umjetne neuronske mreže izgrađene su poput ljudskog mozga, s neuronskim čvorovima međusobno povezanih poput mreže. Ljudski mozak ima stotine milijardi stanica koje se nazivaju neuroni. Svaki neuron sastoji se od staničnog tijela koje je odgovorno za obradu informacija noseći informacije prema (ulazima) i daleko (izlazima) od mozga. ANN ima stotine ili tisuće umjetnih neurona nazvanih procesne jedinice koje su međusobno povezane čvorovima. Te procesne jedinice čine ulazne i izlazne jedinice. Ulazne jedinice primaju različite oblike i strukture informacija temeljene na unutarnjem sustavu ponderiranja, a neuronska mreža pokušava saznati informacije koje su predstavljene za izradu jednog izlaznog izvještaja. Baš kao što su ljudi potrebna pravila i smjernice za postizanje rezultata ili rezultata, tako ANN također koriste skup pravila učenja koja se nazivaju povratno širenje, skraćenica za unatrag širenje pogreške kako bi usavršili svoje izlazne rezultate.
ANN u početku prolazi kroz fazu treninga gdje uči prepoznati uzorke u podacima, bilo vizualno, slušno ili tekstualno. Tijekom ove nadzirane faze, mreža uspoređuje svoj stvarni proizvod proizveden s onim što je trebalo proizvesti, tj. Željeni izlaz. Razlika između oba ishoda prilagođava se primjenom retropropagacije. To znači da mreža djeluje unatrag od izlazne jedinice do ulaznih jedinica kako bi prilagodila težinu svojih veza između jedinica sve dok razlika između stvarnog i željenog ishoda ne stvori najmanju moguću pogrešku.
Tijekom faze osposobljavanja i nadzora, ANN se podučava što treba tražiti i kakav bi trebao biti ishod, koristeći Da / Ne vrste pitanja s binarnim brojevima. Na primjer, banka koja želi na vrijeme otkriti prijevaru s kreditnom karticom može imati četiri ulazne jedinice koje se hrane sljedećim pitanjima: (1) Je li transakcija u drugoj zemlji u kojoj prebiva korisnik? (2) Je li web mjesto na kojem se kartica koristi kod pridruženih tvrtki ili zemalja na listi za nadzor banke? (3) Je li iznos transakcije veći od 2.000 USD? (4) Je li ime na novčanici za transakciju isto kao i ime vlasnika kartice? Banka želi da odgovori "otkrivene prevare" budu Da Da Ne Ne, što bi u binarnom formatu bilo 1 1 1 0. Ako je stvarni izlaz mreže 1 0 1 0, prilagođava svoje rezultate sve dok ne postigne izlaz koji se poklapa s 1 1 1 0. Nakon obuke računalni sustav može upozoriti banku na čekanju lažnih transakcija, štedeći banku puno novca.
Praktične aplikacije
Umjetne neuronske mreže primijenjene su u svim područjima operacije. Davatelji usluga e-pošte koriste ANN za otkrivanje i brisanje neželjene pošte iz pristigle pošte korisnika; menadžeri imovine koriste ga za predviđanje smjera dionica tvrtke; Tvrtke koje se bave kreditnim rejtingom koriste ih za poboljšanje svojih metoda bodovanja; Platforme e-trgovine koriste se za personaliziranje preporuka svojoj publici; chatbotovi su razvijeni s ANN-om za obradu prirodnog jezika; algoritmi dubokog učenja koriste ANN za predviđanje vjerojatnosti događaja; a popis uključenja ANN-a nastavlja se u više sektora, industrija i zemalja.
Usporedba investicijskih računa Ime dobavljača Opis Otkrivanje oglašavača × Ponude koje se pojavljuju u ovoj tablici potječu od partnerstava od kojih Investopedia prima naknadu.