Τεχνητά Νευρωνικά Δίκτυα (ANN)
Τα τεχνητά νευρωνικά δίκτυα (ANN) είναι τα κομμάτια ενός υπολογιστικού συστήματος σχεδιασμένου να προσομοιώνει τον τρόπο με τον οποίο ο ανθρώπινος εγκέφαλος αναλύει και επεξεργάζεται τις πληροφορίες. Είναι τα θεμέλια της Τεχνητής Νοημοσύνης (AI) και επιλύουν προβλήματα που θα μπορούσαν να αποδειχθούν αδύνατα ή δύσκολα από ανθρώπινα ή στατιστικά πρότυπα. Η ANN έχει αυτοεκπαιδευτικές δυνατότητες που τους επιτρέπουν να παράγουν καλύτερα αποτελέσματα καθώς διατίθενται περισσότερα δεδομένα.
Σπάζοντας τα τεχνητά νευρικά δίκτυα (ANN)
Τα Τεχνητά Νευρωνικά Δίκτυα (ANN) ανοίγουν το δρόμο για την ανάπτυξη εφαρμογών που αλλάζουν ζωή για χρήση σε όλους τους τομείς της οικονομίας. Οι πλατφόρμες Τεχνητής Νοημοσύνης (AI) που είναι χτισμένες στο ANN, διαταράσσουν τον παραδοσιακό τρόπο να κάνουν πράγματα. Από τη μετάφραση ιστοσελίδων σε άλλες γλώσσες στην κατοχή εικονικής υπηρεσίας ηλεκτρονικών παραγγελιών για να συζητήσουν με chatbots για την επίλυση προβλημάτων, οι πλατφόρμες AI απλοποιούν τις συναλλαγές και καθιστούν τις υπηρεσίες προσιτές σε όλους με αμελητέο κόστος.
Πώς λειτουργεί το σύστημα;
Τα τεχνητά νευρικά δίκτυα είναι χτισμένα σαν τον ανθρώπινο εγκέφαλο, με κόμβους νευρώνων διασυνδεδεμένους σαν ιστός. Ο ανθρώπινος εγκέφαλος έχει εκατοντάδες δισεκατομμύρια κύτταρα που ονομάζονται νευρώνες. Κάθε νευρώνας αποτελείται από ένα κύτταρο κυττάρων που είναι υπεύθυνο για την επεξεργασία πληροφοριών μεταφέροντας πληροφορίες προς (εισόδους) και μακριά (εξόδους) από τον εγκέφαλο. Η ANN έχει εκατοντάδες ή χιλιάδες τεχνητούς νευρώνες που ονομάζονται μονάδες επεξεργασίας, οι οποίες αλληλοσυνδέονται με κόμβους. Αυτές οι μονάδες επεξεργασίας αποτελούνται από μονάδες εισόδου και εξόδου. Οι μονάδες εισόδου λαμβάνουν διάφορες μορφές και δομές πληροφοριών βασισμένες σε ένα εσωτερικό σύστημα στάθμισης και το νευρικό δίκτυο επιχειρεί να μάθει για τις πληροφορίες που παρουσιάζονται για να παράγει μία αναφορά εξόδου. Ακριβώς όπως οι άνθρωποι χρειάζονται κανόνες και κατευθυντήριες γραμμές για να βρουν ένα αποτέλεσμα ή αποτέλεσμα, η ANNS χρησιμοποιεί επίσης ένα σύνολο κανόνων μάθησης που ονομάζεται backpropagation, μια συντομογραφία για την αντίστροφη διάδοση του σφάλματος, για να τελειοποιήσει τα αποτελέσματά τους.
Ένα ANN αρχικά περνά μια φάση κατάρτισης όπου μαθαίνει να αναγνωρίζει τα πρότυπα στα δεδομένα, είτε οπτικά, είτε ομαδικά είτε κειμενικά. Κατά τη διάρκεια αυτής της εποπτευόμενης φάσης, το δίκτυο συγκρίνει την πραγματική παραγωγή του με αυτό που είχε σκοπό να παράγει, δηλαδή την επιθυμητή παραγωγή. Η διαφορά μεταξύ των δύο αποτελεσμάτων ρυθμίζεται με τη χρήση της προώθησης. Αυτό σημαίνει ότι το δίκτυο λειτουργεί προς τα πίσω από τη μονάδα εξόδου στις μονάδες εισόδου για να προσαρμόσει το βάρος των συνδέσεών του μεταξύ των μονάδων, μέχρις ότου η διαφορά μεταξύ της πραγματικής και της επιθυμητής έκβασης παράγει το χαμηλότερο πιθανό σφάλμα.
Κατά τη διάρκεια της εκπαίδευσης και του εποπτικού σταδίου, η ANN διδάσκεται τι πρέπει να αναζητήσει και ποια θα είναι η παραγωγή της, χρησιμοποιώντας Ναι / Όχι τύπους ερωτήσεων με δυαδικούς αριθμούς. Για παράδειγμα, μια τράπεζα που θέλει εγκαίρως να εντοπίσει την απάτη με πιστωτικές κάρτες μπορεί να έχει τέσσερις μονάδες εισόδου που τροφοδοτούνται με αυτά τα ερωτήματα: (1) Είναι η συναλλαγή σε διαφορετική χώρα από τη χώρα του χρήστη; (2) Είναι ο ιστότοπος που χρησιμοποιείται η κάρτα σε συνδεδεμένες με εταιρείες ή χώρες στη λίστα παρακολούθησης της τράπεζας; (3) Το ποσό της συναλλαγής είναι μεγαλύτερο από $ 2.000; (4) Είναι το όνομα του λογαριασμού συναλλαγής το ίδιο με το όνομα του κατόχου της κάρτας; Η τράπεζα θέλει να είναι οι απαντήσεις "ανιχνευθείσα απάτη" να είναι Ναι Ναι Ναι Όχι, το οποίο σε δυαδική μορφή θα είναι 1 1 1 0. Εάν η πραγματική παραγωγή του δικτύου είναι 1 0 1 0, προσαρμόζει τα αποτελέσματά του μέχρι να αποδώσει μια παραγωγή που συμπίπτει με 1 1 1 0. Μετά την προπόνηση, το σύστημα πληροφορικής μπορεί να ειδοποιήσει την τράπεζα για εκκρεμείς δόλιες συναλλαγές, εξοικονομώντας έτσι στην τράπεζα πολλά χρήματα.
Πρακτικές εφαρμογές
Τεχνητά νευρωνικά δίκτυα έχουν εφαρμοστεί σε όλους τους τομείς δραστηριοτήτων. Οι πάροχοι υπηρεσιών ηλεκτρονικού ταχυδρομείου χρησιμοποιούν το ANN για την ανίχνευση και τη διαγραφή ανεπιθύμητων μηνυμάτων από τα εισερχόμενα χρηστών οι διαχειριστές περιουσιακών στοιχείων το χρησιμοποιούν για να προβλέπουν την κατεύθυνση του αποθέματος μιας εταιρείας. Οι εταιρείες αξιολόγησης πιστοληπτικής ικανότητας το χρησιμοποιούν για να βελτιώσουν τις μεθόδους αξιολόγησης της πιστοληπτικής ικανότητας τους οι πλατφόρμες ηλεκτρονικού εμπορίου το χρησιμοποιούν για την εξατομίκευση συστάσεων στο ακροατήριό τους. Τα chatbots αναπτύσσονται με την ANN για επεξεργασία φυσικής γλώσσας. οι αλγόριθμοι βαθιάς μάθησης χρησιμοποιούν την ANN για να προβλέψουν την πιθανότητα ενός γεγονότος. και ο κατάλογος της ενσωμάτωσης ANN συνεχίζεται σε πολλούς τομείς, βιομηχανίες και χώρες.
Σύγκριση επενδυτικών λογαριασμών Όνομα παροχέα Περιγραφή Αποκάλυψη διαφημιζόμενου × Οι προσφορές που εμφανίζονται σε αυτόν τον πίνακα προέρχονται από συνεργασίες από τις οποίες η Investopedia λαμβάνει αποζημίωση.