Quelles sont les utilisations des réseaux de neurones pour la prévision?
Les réseaux de neurones sont des modèles informatiques complexes souvent utilisés pour la reconnaissance de formes. Parce que les réseaux de neurones sont modélisés sur les fonctions biologiques du cerveau, ils peuvent «apprendre» et prédire les résultats. Il existe de nombreuses utilisations pratiques des réseaux de neurones pour la prévision, notamment le calcul financier, les prévisions météorologiques et le diagnostic médical.
Les réseaux de neurones artificiels pour la prédiction sont inspirés du cerveau humain. Dans un cerveau biologique, de nombreuses petites unités de traitement appelées «neurones» sont connectées à un grand réseau. Chaque zone de traitement est relativement simple, mais le réseau tout entier est capable de résoudre des problèmes complexes lorsque chaque neurone fonctionne ensemble. Les connexions entre chaque petit neurone peuvent être reconfigurées dans de nouveaux modèles de réseau. Cela permet au cerveau de se réorganiser et d '«apprendre» de nouveaux concepts.
Comme un cerveau humain, un réseau neuronal artificiel contient de nombreux petits processeurs et connexions, qui peuvent être reconfigurés. Le concept d'utilisation de neurones artificiels a été décrit pour la première fois par les scientifiques Walter Pitts et Warren McCulloch en 1943. Ce travail scientifique a été rapidement développé et rendu public par le célèbre pionnier de l'intelligence artificielle, Alan Turing, qui a écrit sur les réseaux de neurones artificiels dans une publication de 1948 intitulée «Intelligent Machinery . "
Le calcul financier est l’une des utilisations les plus courantes des réseaux de neurones pour la prédiction. Essentiellement, un réseau de neurones est utilisé comme "filtre" mathématique pour prédire un résultat sur la base des données financières disponibles. Cette fonctionnalité est souvent utilisée dans les logiciels de prévision boursière. Dans cette application, un ordinateur traite les tendances précédentes du marché. Une fois qu'un modèle a été établi, le réseau de neurones calcule si un stock va augmenter ou diminuer dans le futur.
Les réseaux de neurones peuvent également être utilisés pour déterminer la cote de crédit d'un individu ou d'une entreprise. Comme avec la prévision des stocks, la reconnaissance des formes est la clé. Un réseau peut prendre en compte des milliers d'anciens bénéficiaires de crédit et analyser leur historique financier. En découvrant les tendances passées, les réseaux de neurones de prévision peuvent estimer quels nouveaux candidats risquent de faire défaut sur leur crédit. Ces personnes reçoivent une cote de crédit à haut risque basée sur des prévisions.
De même, les réseaux de neurones peuvent être utilisés pour les prévisions météorologiques. De nombreux facteurs environnementaux, tels que la température et les courants de vent, peuvent être intégrés au réseau. À l'aide d'un modèle de prévision basé sur les régimes climatiques antérieurs, le réseau de neurones peut déterminer le résultat probable des conditions météorologiques actuelles.
L'utilisation de réseaux de neurones pour la prévision peut également aider à résoudre certains problèmes médicaux. Le corps humain est très complexe et des dizaines, voire des centaines de facteurs peuvent se combiner pour provoquer un état pathologique. Les réseaux de neurones sont parfois capables de déduire la source d'un symptôme. Dans cette application, un réseau artificiel peut détecter des tendances et des modèles à partir des dossiers de patients précédents et prédire la cause la plus probable d'une maladie.