Neurala nätverk är en grundläggande form av lärande system som är vanliga inom artificiell intelligens experiment och projekt . Tidiga neurala nätverkssystem började bli tillgängliga i slutet av 1980 , som enkla mjukvarusystem och hybridsystem som körde på specialiserad hårdvara . Historia
Det ursprungliga konceptet om neurala nätverk och neural computing utvecklats under 1940-talet . Genom 1950-talet , visade sig vara en enkel två - lager nätverk grundkonceptet . dock vissa begränsningar - till exempel oförmåga att lösa XOR problem , en grundläggande funktion i digital databehandling - . begränsat intresse för tekniken fram till slutet av 1970 och början av 1980
naturliga system Simulering
Ett neuralt nätverk simulerar verksamhet biologiska neurala system . Huruvida systemet är mjukvarubaserad och körs på en dator eller en maskin-och programvara som utformats för lärande , är den grundläggande idén att skapa ett datorsystem som efterliknar den naturliga arbetena av en hjärna . Till skillnad från linjära system , där en ingång påverkas och en förutsägbar utgång är resultatet av beräkningarna , är neurala nätverk för att skapa förutsägelse algoritmer baserade på kända goda in-och utgångar och är därmed kunna lära av tidigare erfarenheter .
Addera Making Sense of Chaos
neuronnät arbete genom att hålla koll på kända goda ingångar . Till exempel kan neurala nätverk för att förutsäga riktningen på aktiemarknaden har historiska händelser som tas upp som ingångar och den resulterande stiga eller falla på marknaden anges som resultat . Genom att ange tusentals historiska händelser och lager Resultat marknad , kan ett neuralt nätverk börjar försöka förutsäga stiger och faller baserat på dagens ingångar . Eftersom nätverket samlar mer data , kan det lära sig att göra mer korrekta prognoser på marknaden .
Fördelar
Neurala nätverk kan utveckla algoritmer baserade på kända och resultaten , och kan så småningom lära sig att förutse händelser med en hög grad av säkerhet . Eftersom neurala nätverk är parallella system , om en del av systemet fallerar , andra delar fortsätter att fungera normalt . Eftersom ett neuralt nätverk är ett naturligt lärande system , en gång skapat , krävs det i allmänhet ingen programmering .
Nackdelar
En nackdel med ett neuralt nätverk är att den behöver tid att tåg. Nätverket kommer bara bli så bra som de ursprungliga uppgifterna och korrigeras träningsdata . Om det neurala nätverket ges felaktiga uppgifter och berättade allt är korrekt , kommer det gälla att ogiltiga data till framtida beslut och förutsägelser . Software - baserade neurala nätverk körs på olika arkitekturer än de flesta vanliga datorer . Därför , om inte en dedikerad hårdvara och mjukvara system används , är komplexa översättningssystemen krävs för att omvandla neurala data till ett format som kan användas av vanliga datorsystem .
