March 26
Le reti neurali sono una forma di base di sistema di apprendimento che sono comuni in esperimenti di intelligenza artificiale e progetti. sistemi di rete neurale I primi hanno cominciato diventare disponibile alla fine del 1980, come semplici sistemi software e sistemi ibridi che correvano su hardware specializzato.
I concetti iniziali di rete neurale e di calcolo neurale sviluppato nel corso del 1940. Dal 1950, una semplice rete a due strati dimostrato il concetto di base. tuttavia, alcune restrizioni - come l'incapacità di risolvere i problemi XOR, una funzione di base di calcolo digitale - interesse per la tecnologia limitata fino alla fine del 1970 e all'inizio del 1980.
Una rete neurale simula le attività dei sistemi neurali biologici. Se il sistema è basato su software e in esecuzione su un computer o un sistema hardware e software progettato per l'apprendimento, l'idea di base è quella di creare un sistema di computer che imita il funzionamento naturali di un cervello. A differenza dei sistemi lineari, in cui un ingresso è agito e un'uscita prevedibile è il risultato di calcoli, reti neurali sono progettati per creare algoritmi di predizione basate su noti buone ingressi e le uscite e sono, pertanto, in grado di apprendere dall'esperienza precedente.
Le reti neurali funzionano tenendo traccia dei buoni ingressi noti. Ad esempio, le reti neurali progettato per prevedere la direzione del mercato azionario potrebbe avere eventi storici inseriti come input e il conseguente aumento o la diminuzione del mercato inseriti come risultati. Inserendo migliaia di eventi storici e dei risultati del mercato azionario, una rete neurale può cominciare a cercare di prevedere sale e scende sulla base di ingressi di corrente. Poiché la rete raccoglie più dati, si può imparare a fare previsioni più accurate sul mercato.
Le reti neurali possono sviluppare algoritmi basati su ingressi e risultati noti, e possono eventualmente imparare a prevedere eventi con un alto grado di certezza. Dato che le reti neurali sono sistemi paralleli, se una parte del sistema non riesce, altre parti continuano a funzionare normalmente. Perché una rete neurale è un sistema di apprendimento naturale, una volta creato, non richiede alcuna programmazione.
Uno svantaggio di una rete neurale è che ha bisogno di tempo per allenarsi. La rete sarà buono come i dati iniziali e dati di allenamento corretto solo. Se la rete neurale è dato dati errati e ha detto i dati sono corretti, si applicherà che i dati non validi per le decisioni e le previsioni future. reti neurali basati su software eseguito su architetture diverse rispetto alla maggior parte dei computer comuni. Pertanto, a meno che non si utilizza un sistema hardware e software dedicato, sistemi di traduzione complessi sono necessari per convertire i dati neurali in un formato utilizzabile da sistemi informatici comuni.