Nevrale nettverk er en enkel form for læring system som er vanlig i kunstig intelligens eksperimenter og prosjekter . Tidlig nevrale nettverk systemer begynte å bli tilgjengelig i slutten av 1980 , som enkle programvare systemene og hybride systemer som kjørte på spesialisert maskinvare . Historie

De første begrepene nevrale nettverk og nevrale databehandling utviklet i løpet av 1940-tallet. Ved 1950-tallet , viste en enkel to -lags nettverk det grunnleggende konseptet . imidlertid visse restriksjoner - for eksempel manglende evne til å løse XOR problemer , en grunnleggende funksjon i digital databehandling - . begrenset interesse for teknologien fram til slutten av 1970-tallet og tidlig på 1980
bilder Natural Systems Simulering

Et nettverk simulerer aktiviteter av biologiske nevrale systemer . Om systemet er software-basert og kjører på en datamaskin eller en hardware og software system designet for læring, er den grunnleggende ideen om å lage et datasystem som etterligner de naturlige driften av en hjerne . I motsetning til lineære systemer , hvor en inngang er påvirket, og en forutsigbar produksjon er resultatet av beregningene , er nevrale nettverk designet for å skape prediksjon algoritmer basert på kjente gode innganger og utganger , og er dermed i stand til å lære av tidligere erfaringer .

Making Sense of Chaos

Neural nettverk fungerer ved å holde oversikt over kjente gode innganger . For eksempel kan nevrale nettverk designet for å forutsi retningen på aksjemarkedet har historiske hendelser ført som innganger og den resulterende stigning eller fall i markedet oppgitt som resultat. Ved å skrive inn tusenvis av historiske hendelser og aksjemarkedet resultater , kan et nettverk begynner å prøve å forutsi stiger og faller basert på dagens innganger. Som nettverket samler mer data , kan det lære å gjøre mer nøyaktige anslag på markedet.
Fordeler

Nevrale nettverk kan utvikle algoritmer basert på kjente innsats og resultater , og kan etter hvert lære å forutsi hendelser med høy grad av sikkerhet. Fordi nevrale nettverk er parallelle systemer , hvis en del av systemet svikter, øvrige deler fortsetter å fungere normalt. Fordi et nettverk er en naturlig læring system , en gang skapt , krever det vanligvis ingen programmering .
Ulemper

En ulempe av et nettverk er at den trenger tid til å tog. Nettverket vil bare være så god som de opprinnelige dataene og korrigerte treningsdata . Hvis det nevrale nettverk er gitt uriktige data og fortalte data er korrekt, vil det gjelde som ugyldige data til fremtidige beslutninger og spådommer . Programvare - baserte nevrale nettverk kjøres på ulike arkitekturer enn de fleste vanlige datamaskiner. Derfor, uten en dedikert maskinvare og programvare systemet brukes , er komplekse oversettelse systemer som kreves for å konvertere nevrale data til et format som felles datasystemer.