Kunstmatige neurale netwerken (ANN) gedefinieerd
Kunstmatige neurale netwerken (ANN) zijn de onderdelen van een computersysteem dat is ontworpen om de manier te simuleren waarop het menselijk brein informatie analyseert en verwerkt. Ze vormen de basis van kunstmatige intelligentie (AI) en lossen problemen op die volgens menselijke of statistische normen onmogelijk of moeilijk zouden blijken te zijn. ANN beschikt over zelflerende mogelijkheden waarmee ze betere resultaten kunnen produceren naarmate meer gegevens beschikbaar komen.
Kunstmatige neurale netwerken afbreken (ANN)
Kunstmatige neurale netwerken (ANN) maken de weg vrij voor het ontwikkelen van levensveranderende toepassingen voor gebruik in alle sectoren van de economie. Artificiële intelligentie (AI) platforms die zijn gebouwd op ANN verstoren de traditionele manier van doen. Van het vertalen van webpagina's naar andere talen tot het hebben van een virtuele assistent voor het online bestellen van boodschappen tot het praten met chatbots om problemen op te lossen, AI-platforms vereenvoudigen transacties en maken diensten voor iedereen toegankelijk tegen verwaarloosbare kosten.
Hoe werkt het systeem?
Kunstmatige neurale netwerken zijn gebouwd als het menselijk brein, met neuron knooppunten onderling verbonden als een web. Het menselijk brein heeft honderden miljarden cellen die neuronen worden genoemd. Elk neuron bestaat uit een cellichaam dat verantwoordelijk is voor het verwerken van informatie door informatie naar (ingangen) en weg (uitgangen) van de hersenen te dragen. ANN heeft honderden of duizenden kunstmatige neuronen die verwerkingseenheden worden genoemd, die onderling zijn verbonden door knooppunten. Deze verwerkingseenheden bestaan uit invoer- en uitvoereenheden. De invoereenheden ontvangen verschillende vormen en structuren van informatie op basis van een intern weegsysteem en het neurale netwerk probeert informatie te krijgen over de gepresenteerde informatie om één uitvoerrapport te produceren. Net zoals mensen regels en richtlijnen nodig hebben om tot een resultaat of output te komen, gebruiken ANN's ook een set leerregels genaamd backpropagation, een afkorting voor achterwaartse verspreiding van fouten, om hun outputresultaten te perfectioneren.
Een ANN doorloopt in eerste instantie een trainingsfase waarin het patronen in gegevens leert herkennen, zowel visueel, auditief als tekstueel. Tijdens deze bewaakte fase vergelijkt het netwerk zijn geproduceerde output met wat het moest produceren, dwz de gewenste output. Het verschil tussen beide uitkomsten wordt aangepast met behulp van backpropagation. Dit betekent dat het netwerk achteruit werkt van de uitvoereenheid naar de invoereenheden om het gewicht van zijn verbindingen tussen de eenheden aan te passen totdat het verschil tussen de werkelijke en gewenste uitkomst de laagst mogelijke fout oplevert.
Tijdens de training- en supervisiefase wordt de ANN geleerd wat te zoeken en wat de output ervan moet zijn, met behulp van Ja / Nee-vraagtypen met binaire getallen. Een bank die bijvoorbeeld creditcardfraude op tijd wil detecteren, kan vier invoereenheden hebben met deze vragen: (1) Is de transactie in een ander land dan het land van de gebruiker? (2) Is de website waarop de kaart wordt gebruikt gelieerd aan bedrijven of landen op de watchlist van de bank? (3) Is het transactiebedrag groter dan $ 2.000? (4) Is de naam op de transactierekening gelijk aan de naam van de kaarthouder? De bank wil dat de "opgespoorde fraude" -antwoorden Ja zijn Ja Ja Nee, wat in binair formaat 1 1 1 0 zou zijn. Als de werkelijke output van het netwerk 1 0 1 0 is, past het zijn resultaten aan totdat het een output levert die samenvalt met 1 1 1 0. Na de training kan het computersysteem de bank waarschuwen voor lopende frauduleuze transacties, waardoor de bank veel geld bespaart.
Praktische toepassingen
Kunstmatige neurale netwerken zijn toegepast in alle operatiegebieden. E-mailproviders gebruiken ANN om spam te detecteren en te verwijderen uit de inbox van een gebruiker; vermogensbeheerders gebruiken het om de richting van de aandelen van een bedrijf te voorspellen; Ratingbureaus gebruiken het om hun ratingscore te verbeteren; e-commerceplatforms gebruiken het om aanbevelingen aan hun publiek te personaliseren; chatbots zijn ontwikkeld met ANN voor natuurlijke taalverwerking; diepe leeralgoritmen gebruiken ANN om de waarschijnlijkheid van een gebeurtenis te voorspellen; en de lijst met ANN-opname gaat door in meerdere sectoren, industrieën en landen.
Vergelijk beleggingsrekeningen Aanbieder Naam Beschrijving Adverteerder Openbaarmaking × De aanbiedingen die in deze tabel worden weergegeven, zijn afkomstig van samenwerkingsverbanden waarvan Investopedia een vergoeding ontvangt.