Hvad er Neural Network Data Mining?
Neural netværksdata mining er processen med at indsamle og udtrække data ved at genkende eksisterende mønstre i en database ved hjælp af et kunstigt neuralt netværk. Disse kunstige neurale netværk er netværk, der emulerer et biologisk neuralt netværk, såsom det i den menneskelige krop. Neural netværksdataindvinding bruges primært af større virksomheder eller forskningsgrupper til at samle og organisere store databaser, men det har adskillige anvendelser på tværs af flere felter.
Hos mennesker er det neurale netværk baseret på neuroner. Neuroner er ledningerne for nervesystemet og er ansvarlige for at udføre sansoplevelser, såsom smerte og følelse af berøring, i hele kroppen. De kommunikerer gennem elektriske og kemiske midler og neurale netværk. De meddelelser, de sender, bevæger sig hurtigt gennem de neurale netværk og kan faktisk lære at udføre impulser på nye måder, især neuronerne i hjernen.
Et kunstigt neuralt netværk er en beskrivelse af en kompleks matematisk proces, der i nogle henseender ligner dens biologiske modstykke. Netværket består af kunstige neuroner, som også er komplekse matematiske ligninger, der fungerer ved at flytte information i en input- og outputproces; denne proces afspejler, hvordan biologiske neuroner fungerer.
Et kunstigt neuralt netværk (ANN) er en kompleks struktur, men dets hovedformål er at beregne komplekse processer hurtigt og effektivt, ligesom et menneskeligt neuralt netværk. ANN'er er også oprettet, så de kan lære ved at udføre disse processer, hvilket gør dem til en form for kunstig intelligens. De har en række praktiske anvendelser og kan ses i alt fra talegenkendelsessoftware til radarsystemer.
ANN'er er nøglekomponenten i mining af neurale netværksdata. De er i stand til at undersøge store databaser, kendt som datalager, og analysere og udtrække specifikke bunker af information gennem mønstergenkendelse. Hvad denne del af information er afhænger af brugerens behov. I store virksomheder er de ofte nødt til at analysere data og bemærke tendenser, især med hensyn til udgifter, markedsføring og salg.
Foruden store virksomheder er en anden vigtig bruger af neurale netværksdata mining det videnskabelige og tekniske samfund. Disse fagfolk kan bruge data mining til at undersøge store bits af information indsamlet i forskning og observation og udtrække det mønster, de har behov for, fra disse data. Dette kan spare mange timer på, hvad der ellers ville være en udtømmende proces.
Der er mange andre områder, hvor der benyttes neurale netværksdata mining. For eksempel bruges det i spil, såsom i maskiner end legeskak, og i overvågningsområder, såsom indenrigssikkerhed, der overvåger tendenser inden for terroraktiviteter. For nylig er det blevet brugt i minedriftinformation om geografiske systemer, såsom statistikker, der er afgørende for klimaforandringer.