Neuronale Netze sind eine grundlegende Form des Lernens , das häufig in der künstlichen Intelligenz Experimente und Projekte. Frühe neuronalen Netzwerk-Systeme begann immer in den späten 1980er Jahren zur Verfügung , so einfach Software-Systeme und Hybrid- Systeme, die auf spezieller Hardware lief . History

Die ersten Konzepte der neuronalen Vernetzung und neuronalen Computing in den 1940er Jahren entwickelt. In den 1950er Jahren bewiesen, ein einfaches Zwei- Schicht-Netzwerk das Grundkonzept . jedoch gewissen Einschränkungen - wie die Unfähigkeit, XOR Probleme, eine grundlegende Funktion in digitalen Computing lösen - . begrenztes Interesse an der Technologie bis in die späten 1970er und frühen 1980er Jahren
Natürliche Systeme Simulation

Ein neuronales Netzwerk simuliert die Aktivitäten der biologischen neuronalen Systemen . Ob das System -Software -basiert und auf einem Computer oder einer Hardware- und Software-System zum Lernen ausgelegt ist , ist die grundlegende Idee, ein Computersystem, das die natürlichen Funktionen eines Gehirns nachahmt . Im Gegensatz zu linearen Systemen, bei denen ein Eingang beaufschlagt wird und eine vorhersagbare Leistung ist das Ergebnis von Berechnungen , die neuronale Netze zur Vorhersage-Algorithmen auf der Grundlage bekannter gute Ein-und Ausgängen schaffen und sind somit in der Lage, aus den bisherigen Erfahrungen zu lernen.

Making Sense of Chaos

Neuronale Netze Arbeit durch die Verfolgung der bekannt guten Eingaben . Zum Beispiel könnten neuronale Netze entwickelt, um die Richtung der Börse vorherzusagen haben historische Ereignisse als Eingänge und der daraus resultierenden Anstieg oder Rückgang im Markt als Ergebnisse eingetragen worden . Durch Eingabe Tausende von historischen Ereignissen und Aktienmarkt Ergebnisse kann ein neuronales Netz beginnen , zu versuchen, steigt und fällt auf der Basis aktueller Eingänge vorherzusagen. Da das Netzwerk sammelt mehr Daten , kann es lernen , um genauere Vorhersagen auf dem Markt machen .
Vorteile

Neuronale Netze können Algorithmen auf bekannten Eingaben und Ergebnisse zu entwickeln , und kann schließlich lernen , an Veranstaltungen mit einem hohen Maß an Sicherheit vorherzusagen. Da neuronale Netze parallel Systeme sind , wenn ein Teil des Systems ausfallen, werden die anderen , normal zu funktionieren . Weil ein neuronales Netz ist ein natürliches Lernsystem , einmal erstellt , ist es in der Regel erfordert keine Programmierkenntnisse .
Nachteile

Ein Nachteil eines neuronalen Netzes ist, dass es Zeit braucht, um Zug. Das Netz wird nur so gut sein wie die ersten Daten und korrigierte Trainingsdaten. Wenn das neuronale Netz falsche Daten gegeben ist und erzählte die Daten korrekt sind , wird es die ungültige Daten für zukünftige Entscheidungen und Prognosen gelten . Software -basierte neuronale Netze laufen auf verschiedenen Architekturen als häufigste Computern. Deshalb , es sei denn eine dedizierte Hardware-und Software-System verwendet wird, sind komplexe Systeme Übersetzung benötigt, um neuronale Daten in ein Format zu konvertieren, indem nutzbare gemeinsame Computing-Systeme .