Hva er bruken av nevrale nettverk for prediksjon?
Nevrale nettverk er komplekse beregningsmodeller som ofte brukes til mønstergjenkjenning. Fordi nevrale nettverk er basert på biologiske hjernefunksjoner, er de i stand til å "lære" og forutsi resultater. Det er mange praktiske anvendelser av nevrale nettverk for prediksjon, inkludert økonomisk beregning, værvarsling og medisinsk diagnose.
Kunstige nevrale nettverk for prediksjon er inspirert av den menneskelige hjernen. I en biologisk hjerne er mange små prosesseringsenheter kalt "nevroner" koblet til et stort nettverk. Hvert enkelt behandlingsområde er relativt enkelt, men hele nettverket er i stand til å løse komplekse problemer når hver nevron fungerer sammen. Forbindelsene mellom hvert lite nevron kan konfigureres om til nye nettverksmønstre. Dette gjør at hjernen kan organisere seg selv og “lære” nye konsepter.
Som en menneskelig hjerne, inneholder et kunstig nevralt nettverk mange små prosessorer og tilkoblinger, som kan konfigureres på nytt. Konseptet med å bruke kunstige nevroner ble først beskrevet av forskere Walter Pitts og Warren McCulloch i 1943. Dette vitenskapelige arbeidet ble snart utvidet og offentliggjort av den berømte kunstige intelligenspioneren Alan Turing, som skrev om kunstige nevrale nettverk i en publikasjon fra 1948 med tittelen “Intelligent Machinery .”
Økonomisk beregning er en av de vanligste bruken av nevrale nettverk for prediksjon. I hovedsak brukes et nevralt nettverk som et matematisk "filter" for å forutsi et resultat basert på tilgjengelige økonomiske data. Denne funksjonen blir ofte brukt i programvaren for prediksjon av aksjer. I denne applikasjonen behandler en datamaskin tidligere markedstrender. Når et mønster er etablert, beregner det nevrale nettverket om en aksje vil stige eller falle i fremtiden.
Nevrale nettverk kan også brukes til å bestemme kredittvurderingen til et individ eller selskap. Som med bestandsprediksjon er mønstergjenkjenning nøkkelen. Et nettverk kan vurdere tusenvis av tidligere kredittmottakere, og analysere deres økonomiske historie. Ved å finne tidligere trender, kan nevrale nettverk for prediksjon anslå hvilke nye søkere som sannsynligvis vil mislykkes. Disse personene får en høyrisikokreditt basert på prediksjon.
På samme måte kan nevrale nettverk brukes til værvarsling. Mange forskjellige miljøfaktorer som temperatur og vindstrømmer kan mates inn i nettverket. Ved å bruke en prognosemodell som er basert på tidligere klimamønstre, kan nevrale nettverk bestemme det sannsynlige resultatet av nåværende værforhold.
Bruk av nevrale nettverk for prediksjon kan også bidra til å løse visse medisinske problemer. Menneskekroppen er veldig sammensatt, og dusinvis eller hundrevis av faktorer kan kombineres for å forårsake en medisinsk tilstand. Nevrale nettverk er noen ganger i stand til å utlede kilden til et symptom. I denne applikasjonen kan et kunstig nettverk finne trender og mønstre fra tidligere pasientjournaler, og forutsi den mest sannsynlige årsaken til en sykdom.