Дефиниција вештачке неуронске мреже (АНН)

Шта је вештачка неуронска мрежа (АНН)?

Вештачка неуронска мрежа (АНН) део је рачунарског система дизајнираног да симулира начин на који људски мозак анализира и обрађује информације. То је темељ вештачка интелигенција (АИ) и решава проблеме који би се показали немогућим или тешким према људским или статистичким стандардима. АНН-ови имају могућности самосталног учења које им омогућавају да производе боље резултате како све више података буде доступно.

Разумевање вештачке неуронске мреже (АНН)

Вештачке неуронске мреже изграђене су попут људског мозга, са неуронским чворовима међусобно повезаним попут мреже. Људски мозак има стотине милијарди ћелија које се зову неурони. Сваки неурон се састоји од ћелијског тела које је одговорно за обраду информација носећи информације према (улази) и далеко (излази) од мозга.

АНН има стотине или хиљаде вештачких неурона који се називају процесорске јединице, а који су међусобно повезани чворовима. Ове процесорске јединице се састоје од улазних и излазних јединица. Јединице за унос примају различите облике и структуре информација засноване на интерном пондерисању систем, а неуронска мрежа покушава сазнати о презентираним информацијама како би произвела један излаз извештај. Баш као што су људима потребна правила и смернице да би дошли до резултата или резултата, АНН -ови такође користе скуп учења правила која се зову бацкпропагатион, скраћеница за уназадно ширење грешке, како би се побољшао њихов исход резултати.

АНН у почетку пролази кроз фазу обуке где учи да препозна обрасце у подацима, било визуелно, слушно или текстуално. Током ове надгледане фазе, мрежа упоређује свој стварни произведени излаз са оним што је требало да произведе - жељени излаз. Разлика између оба исхода се коригује коришћењем повратног ширења. То значи да мрежа ради унатраг, од излазне јединице до улазних јединица како би прилагодила своју тежину везе између јединица све док разлика између стварног и жељеног исхода не произведе најмању могућу разлику грешка.

Током фазе обуке и надзора, АНН се учи шта треба да тражи и шта би требало да буде резултат, користећи да/не типове питања са бинарним бројевима. На пример, банка која жели да открије кредитну картицу превара на време могу имати четири улазне јединице са следећим питањима: (1) Да ли је трансакција у другој земљи од земље резидента корисника? (2) Да ли је веб локација на којој се картица користи повезана са компанијама или државама на листи за праћење банке? (3) Да ли је износ трансакције већи од 2.000 УСД? (4) Да ли је име на трансакционом рачуну исто као и име власника картице?

Банка жели да одговори "откривена превара" буду Да Да Да Не Не, што би у бинарном формату било 1 1 1 0. Ако је стварни излаз мреже 1 0 1 0, она прилагођава своје резултате све док не испоручи излаз који се поклапа са 1 1 1 0. Након обуке, рачунарски систем може упозорити банку на нерешене лажне трансакције, штедећи банци много новца.

Практичне апликације за вештачке неуронске мреже (АНН)

Вештачке неуронске мреже утиру пут развоју апликација које мењају живот за употребу у свим секторима економије. Платформе вештачке интелигенције изграђене на АНН -овима ремете традиционалне начине рада. Од превођења веб страница на друге језике до виртуалног помоћника који наручује намирнице на мрежи до разговора са њима цхатботови за решавање проблема, АИ платформе поједностављују трансакције и чине услуге приступачним за све занемарљиво трошкови.

Вештачке неуронске мреже примењене су у свим областима деловања. Провајдери услуга е -поште користе АНН -ове за откривање и брисање нежељене поште из пријемног сандучета корисника; менаџери имовине користите га за предвиђање правца акција компаније; кредитни рејтинг фирме га користе да побољшају своје методе бодовања; платформе за е-трговину користе га за прилагођавање препорука својој публици; цхатботови су развијени са АНН -овима за обраду природног језика; алгоритми дубоког учења користе АНН за предвиђање вероватноће догађаја; а листа укључивања АНН -а иде у више сектора, индустрија и земаља.