Neurale netwerken zijn een elementaire vorm van leren systeem dat gangbaar zijn in kunstmatige intelligentie experimenten en projecten . Vroege neuraal netwerk systemen begon beschikbaar komen in de late jaren 1980 , als eenvoudige software systemen en hybride systemen die liep op gespecialiseerde hardware . Geschiedenis De eerste concepten van neurale netwerken en neurale computers ontwikkeld tijdens de jaren 1940 . Tegen 1950 , een eenvoudige tweelaags netwerk bleek het basisconcept . echter bepaalde beperkingen - zoals het onvermogen om XOR problemen , een basisfunctie in digitale computers lossen - . beperkte interesse in de techniek tot in de late jaren 1970 en vroege jaren 1980 Natural Systems Simulation < br > neuraal netwerk simuleert de activiteiten van biologische neurale systemen . Of het systeem software - gebaseerd en draait op een computer of een hardware en software ontworpen voor leren , het basisidee is om een computersysteem dat de natuurlijke werking van hersenen nabootst . Unlike lineaire systemen, waarbij een ingang wordt ingewerkt en voorspelbare output is het resultaat van de berekeningen zijn neurale netten die algoritmen voorspelling te maken op basis van bekende goede en uitgangen en zijn dus in staat om te leren van eerdere ervaringen . Making Sense of Chaos Neurale netwerken werken door het bijhouden van bekende goede ingangen . Zo kan neurale netwerken ontworpen om de richting van de beurs voorspellen historische gebeurtenissen ingevoerd als input en de resulterende stijging of daling van de markt ingevoerd als resultaat . Door het invoeren van duizenden historische gebeurtenissen en aandelenmarkt resultaten , kan een neuraal netwerk beginnen te proberen te voorspellen stijgt en daalt op basis van de huidige input . Als het netwerk verzamelt meer gegevens , kan het leren om meer accurate voorspellingen te doen op de markt . Voordelen Neurale netwerken kunnen algoritmes op basis van bekende inputs en resultaten te ontwikkelen , en kan uiteindelijk leren om gebeurtenissen te voorspellen met een hoge mate van zekerheid . Omdat neurale netwerken parallelle systemen , als een deel van het systeem faalt , andere delen blijven normaal functioneren . Omdat een neuraal netwerk is een natuurlijk leersysteem , eenmaal gemaakt , het vereist meestal geen programmering . Nadelen Een nadeel van een neuraal netwerk is dat het tijd nodig heeft om trein . Het netwerk zal slechts zo goed als de eerste gegevens en de gecorrigeerde trainingsgegevens . Als het neurale netwerk wordt gegeven onjuiste gegevens en vertelde de gegevens correct is , zal het dat ongeldige gegevens gelden voor toekomstige beslissingen en voorspellingen . Software - gebaseerde neurale netwerken draaien op verschillende architecturen dan de meeste gangbare computers . Daarom , tenzij een dedicated hardware -en software-systeem wordt gebruikt , complexe vertaling systemen zijn nodig om neurale gegevens te converteren naar een formaat dat bruikbaar gemeenschappelijke computersystemen .
|