Штучна нейронна мережа (ANN)
Що таке штучна нейронна мережа (ANN)?
Штучна нейронна мережа (ANN) – це частина обчислювальної системи, призначена для імітації того, як людський мозок аналізує та обробляє інформацію. Він є основою штучного інтелекту (ШІ) і вирішує проблеми, які виявляться неможливими або складними за людськими або статистичними стандартами. ANN мають можливості самонавчання, які дозволяють їм отримувати кращі результати, коли стає доступним більше даних.
Ключові винос
- Штучна нейронна мережа (ANN) – це компонент штучного інтелекту, призначений для імітації функціонування мозку людини.
- Блоки обробки складають ANN, які в свою чергу складаються з входів і виходів. Вхідні дані – це те, чому ANN вчиться для отримання бажаного результату.
- Зворотне поширення – це сукупність правил навчання, що використовуються для керівництва штучними нейронними мережами.
- Практичні програми для ANN широко розмаїті, включаючи фінанси, особисте спілкування, промисловість, освіту тощо.
Розуміння штучної нейронної мережі (ANN)
Штучні нейронні мережі побудовані подібно до мозку людини, вузли нейронів взаємопов’язані як павутина. Мозок людини має сотні мільярдів клітин, які називаються нейронами. Кожен нейрон складається з клітинного тіла, яке відповідає за обробку інформації, переносячи інформацію до (входів) і геть (виходів) від мозку.
ANN має сотні або тисячі штучних нейронів, які називаються процесорними одиницями, які зв’язані між собою вузлами. Ці одиниці обробки складаються з вхідних і вихідних одиниць. Блоки введення отримують різні форми та структури інформації на основі внутрішньої системи зважування, а нейронна мережа намагається дізнатись про представлену інформацію, щоб створити один вихідний звіт. Подібно до того, як люди потребують правил і вказівок для отримання результату або результату, ANN також використовують набір правил навчання, званого зворотним розповсюдженням, скороченням для зворотного поширення помилок, щоб вдосконалити свої результати.
Спочатку ANN проходить фазу навчання, де він вчиться розпізнавати закономірності в даних, візуально, на слух чи тексту. Під час цієї контрольованої фази мережа порівнює фактичний випуск продукції з тим, що вона повинна була виробляти – бажаним обсягом виробництва. Різниця між обома результатами коригується за допомогою зворотного розмноження. Це означає, що мережа працює в зворотному напрямку, переходячи від вихідного блоку до вхідних блоків, щоб відрегулювати вагу своїх з’єднань між блоками, поки різниця між фактичним та бажаним результатом не призведе до мінімально можливої помилки.
Під час навчального та наглядового етапу ANN вчать, на що слід звертати увагу та яким має бути результат, використовуючи типи запитань так / ні з двійковими числами. Наприклад, у банку, який хоче вчасно виявити шахрайство з кредитною карткою, можуть бути чотири одиниці вводу, що мають такі запитання: (1) Чи є транзакція в іншій країні, ніж країна проживання користувача? (2) Чи веб-сайт, на якому використовується картка, пов’язаний з компаніями чи країнами, що входять до списку спостереження банку? (3) Чи сума транзакції перевищує 2000 доларів? (4) Чи є ім’я на рахунку за операцією таким самим, як ім’я власника картки?
Банк хоче, щоб відповіді “виявлене шахрайство” були Так Так Так Ні, що у бінарному форматі буде 1 1 1 0. Якщо фактичний вихід мережі становить 1 0 1 0, він коригує свої результати до тих пір, поки не надасть результат, який збігається 1 1 1 0. Після навчання комп’ютерна система може попередити банк про очікувані шахрайські операції, заощадивши банку багато грошей.
Практичні програми для штучних нейронних мереж (ANN)
Штучні нейронні мережі прокладають шлях до розробки додатків, що змінюють життя, для використання у всіх галузях економіки. Платформи штучного інтелекту, побудовані на ANN, порушують традиційні способи здійснення дій. Від перекладу веб-сторінок на інші мови до того, як віртуальний асистент замовляє продукти в Інтернеті, до розмови з чат-ботами для вирішення проблем, платформи AI спрощують транзакції та роблять послуги доступними для всіх за незначну ціну.
Штучні нейронні мережі застосовуються у всіх сферах операцій. Постачальники послуг електронної пошти використовують ANN для виявлення та видалення спаму з поштової скриньки користувача; менеджери активів використовують його для прогнозування напрямку акцій компанії; фірми з кредитним рейтингом використовують його для вдосконалення своїх методів оцінки кредиту; платформи електронної комерції використовують його для персоналізації рекомендацій для своєї аудиторії; чат-боти розроблені з ANN для обробки природної мови; алгоритми глибокого навчання використовують ANN для прогнозування ймовірності події; і список включення ANN продовжується у багатьох секторах, галузях та країнах.