Каковы нейронные сети для прогнозирования?

Нейронные сети - это сложные вычислительные модели, которые часто используются для распознавания образов. Поскольку нейронные сети смоделированы на биологических функциях мозга, они способны «учиться» и предсказывать результаты. Существует много практических применений нейронных сетей для прогнозирования, включая финансовые расчеты, прогнозирование погоды и медицинскую диагностику.

Искусственные нейронные сети для прогнозирования вдохновлены человеческим мозгом. В биологическом мозге многие небольшие процессоры, называемые «нейронами», соединены в большую сеть. Каждая отдельная область обработки является относительно простой, но вся сеть способна решать сложные проблемы, когда каждый нейрон работает вместе. Соединения между каждым маленьким нейроном могут быть переконфигурированы в новые сетевые шаблоны. Это позволяет мозгу реорганизовать себя и «выучить» новые концепции.

Подобно человеческому мозгу, искусственная нейронная сеть содержит множество небольших процессоров и соединений, которые можно перенастроить. Концепция использования искусственных нейронов была впервые описана учеными Уолтером Питтсом и Уорреном Маккаллохом в 1943 году. Вскоре эта научная работа была расширена и опубликована известным пионером искусственного интеллекта Аланом Тьюрингом, который написал об искусственных нейронных сетях в публикации 1948 года под названием «Интеллектуальное оборудование». «.

Финансовый расчет является одним из наиболее распространенных видов использования нейронных сетей для прогнозирования. По сути, нейронная сеть используется в качестве математического «фильтра» для прогнозирования результатов на основе доступных финансовых данных. Эта функция часто используется в программном обеспечении для прогнозирования фондового рынка. В этом приложении компьютер обрабатывает предыдущие тенденции рынка. После того, как шаблон был создан, нейронная сеть вычисляет, будет ли акция расти или падать в будущем.

Нейронные сети также могут быть использованы для определения кредитного рейтинга человека или компании. Как и при прогнозировании акций, ключом является распознавание образов. Сеть может рассматривать тысячи прошлых получателей кредитов и анализировать их финансовую историю. Обнаружив прошлые тенденции, нейронные сети для прогнозирования могут оценить, какие новые кандидаты, по всей вероятности, не выполнят своих обязательств по кредитам. Эти люди получают кредитный рейтинг высокого риска на основе прогноза.

Точно так же нейронные сети могут использоваться для прогнозирования погоды. Многие различные факторы окружающей среды, такие как температура и токи ветра, могут быть поданы в сеть. Используя модель прогнозирования, основанную на предыдущих климатических моделях, нейронная сеть может определить вероятный результат текущих погодных условий.

Использование нейронных сетей для прогнозирования также может помочь решить определенные медицинские проблемы. Организм человека очень сложен, и десятки или даже сотни факторов могут объединиться, чтобы вызвать заболевание. Нейронные сети иногда могут определить источник симптома. В этом приложении искусственная сеть может находить тенденции и закономерности из предыдущих записей о пациентах и ​​прогнозировать наиболее вероятную причину заболевания.