Vad är användningen av nervnätverk för förutsägelse?

Neurala nätverk är komplexa beräkningsmodeller som ofta används för mönsterigenkänning. Eftersom neurala nätverk är baserade på biologiska hjärnfunktioner kan de "lära sig" och förutsäga resultat. Det finns många praktiska användningar av neurala nätverk för förutsägelse, inklusive ekonomisk beräkning, väderprognos och medicinsk diagnos.

Konstgjorda neurala nätverk för förutsägelse är inspirerade av den mänskliga hjärnan. I en biologisk hjärna är många små processorenheter som kallas ”neuroner” anslutna till ett stort nätverk. Varje enskilt behandlingsområde är relativt enkelt, men hela nätverket kan lösa komplexa problem när varje neuron arbetar tillsammans. Anslutningarna mellan varje liten neuron kan konfigureras om till nya nätverksmönster. Detta gör att hjärnan kan organisera sig själv och ”lära sig” nya koncept.

Liksom en mänsklig hjärna innehåller ett konstgjordt neuralt nätverk många små processorer och anslutningar, som kan konfigureras om. Begreppet att använda konstgjorda neuroner beskrevs först av forskarna Walter Pitts och Warren McCulloch 1943. Detta vetenskapliga arbete utvidgades snart och publicerades av den berömda konstgjorda intelligenspionjären Alan Turing, som skrev om konstgjorda neurala nätverk i en publicering från 1948 med titeln "Intelligent Machinery" ”.

Ekonomisk beräkning är en av de vanligaste användningarna av neurala nätverk för förutsägelse. I huvudsak används ett neuralt nätverk som ett matematiskt "filter" för att förutsäga ett resultat baserat på tillgängliga finansiella data. Denna funktion används ofta i programvaran för förutsägelse av aktiemarknaden. I den här applikationen bearbetar en dator tidigare marknadstrender. När ett mönster har upprättats beräknar det neurala nätverket om en bestånd kommer att stiga eller falla i framtiden.

Neurala nätverk kan också användas för att bestämma en individs eller företags kreditbetyg. Liksom med aktieprognos är mönsterigenkänning nyckeln. Ett nätverk kan överväga tusentals tidigare kreditmottagare och analysera deras ekonomiska historia. Genom att hitta tidigare trender kan neurala nätverk för förutsägelse uppskatta vilka nya sökande som sannolikt kommer att ha sin kredit. Dessa individer får en hög risk kreditbetyg baserad på förutsägelse.

På samma sätt kan neurala nätverk användas för väderprognoser. Många olika miljöfaktorer som temperatur och vindströmmar kan matas in i nätverket. Med hjälp av en prognosmodell som bygger på tidigare klimatmönster kan det neurala nätverket bestämma det troliga resultatet av nuvarande väderförhållanden.

Användning av neurala nätverk för förutsägelse kan också hjälpa till att lösa vissa medicinska problem. Den mänskliga kroppen är mycket komplex, och dussintals eller till och med hundratals faktorer kan kombineras för att orsaka ett medicinskt tillstånd. Neurala nätverk kan ibland härleda källan till ett symptom. I denna applikation kan ett konstgjord nätverk hitta trender och mönster från tidigare patientjournaler och förutsäga den mest troliga orsaken till en sjukdom.