인공 신경 네트워크 (ANN)는 인간의 두뇌가 정보를 분석하고 처리하는 방식을 시뮬레이션하도록 설계된 컴퓨팅 시스템의 일부입니다. 그것들은 인공 지능 (AI)의 기초이며 인간 또는 통계적 표준으로는 불가능하거나 어려운 것으로 입증 될 수있는 문제를 해결합니다. ANN에는 자체 학습 기능이있어 더 많은 데이터를 사용할 수있게되면 더 나은 결과를 얻을 수 있습니다.
인공 신경망 (ANN) 분류
인공 신경 네트워크 (ANN)는 경제의 모든 부문에서 사용할 수 있도록 인생을 변화시키는 응용 프로그램을 개발할 수있는 길을 열어 놓고 있습니다. ANN을 기반으로하는 인공 지능 (AI) 플랫폼은 기존의 방식을 방해하고 있습니다. AI 플랫폼은 웹 페이지를 다른 언어로 번역하는 것부터 온라인으로 가상 조교 주문 식료품을 주문하는 데 도움이되는 챗봇과의 대화에 이르기까지 트랜잭션을 단순화하고 거의 모든 비용으로 서비스에 액세스 할 수 있도록합니다.
시스템은 어떻게 작동합니까?
인공 신경망은 인간의 뇌처럼 구축되며 뉴런 노드는 웹처럼 서로 연결되어 있습니다. 인간의 뇌에는 뉴런이라고 불리는 수억 개의 세포가 있습니다. 각 뉴런은 정보를 뇌쪽으로 (입력) 그리고 멀리 (출력) 전달하여 정보를 처리하는 세포체로 구성됩니다. ANN에는 처리 장치라고하는 수백 또는 수천 개의 인공 뉴런이 있으며 노드로 상호 연결되어 있습니다. 이 처리 장치는 입력 및 출력 장치로 구성됩니다. 입력 유닛은 내부 가중치 시스템에 기초하여 다양한 형태 및 정보 구조를 수신하고, 신경망은 하나의 출력 보고서를 생성하기 위해 제시된 정보에 대해 배우려고 시도한다. 인간이 결과 나 결과를 내기 위해 규칙과 지침이 필요한 것처럼 ANN은 역 전파 (backpropagation)라고하는 일련의 학습 규칙을 사용하여 오류의 역 전파 전파를 줄여서 결과를 완성합니다.
ANN은 처음에 시각적, 청각 적 또는 텍스트 적이든 데이터의 패턴을 인식하는 방법을 배우는 훈련 단계를 거칩니다. 이 감독 단계 동안 네트워크는 실제 출력과 실제 출력, 즉 원하는 출력을 비교합니다. 두 결과의 차이는 역 전파를 사용하여 조정됩니다. 즉, 실제 결과와 원하는 결과의 차이가 가능한 가장 낮은 오류를 생성 할 때까지 네트워크가 출력 장치에서 입력 장치로 거꾸로 작동하여 장치 간의 연결 가중치를 조정합니다.
훈련 및 감독 단계에서 ANN은 이진수로 된 예 / 아니요 질문 유형을 사용하여 무엇을 찾고 무엇을 출력해야하는지 가르쳐줍니다. 예를 들어, 정시에 신용 카드 사기를 감지하려는 은행은 다음과 같은 질문을받는 4 개의 입력 장치를 가질 수 있습니다. (1) 사용자의 거주 국가와 다른 국가에서의 거래입니까? (2) 카드가 사용되는 웹 사이트가 은행의 감시 목록에있는 회사 또는 국가와 제휴되어 있습니까? (3) 거래 금액이 $ 2, 000보다 큽니까? (4) 거래 청구서의 이름이 카드 소지자의 이름과 동일합니까? 은행은 "사기 감지 된"응답을 예 예 예 아니요 (이진 형식의 경우 1 1 1 0)로 설정하려고합니다. 네트워크의 실제 출력이 1 0 1 0 인 경우, 결과가 일치 할 때까지 결과를 조정합니다. 1 1 1 0. 훈련 후, 컴퓨터 시스템은 은행에 보류중인 사기 거래를 경고하여 은행에 많은 돈을 절약 할 수 있습니다.
실용적인 적용
인공 신경망은 모든 작업 영역에 적용되었습니다. 이메일 서비스 제공 업체는 ANN을 사용하여 사용자의받은 편지함에서 스팸을 탐지하고 삭제합니다. 자산 관리자는이를 사용하여 회사 주식의 방향을 예측합니다. 신용 평가 회사는 신용 평가 방법을 개선하기 위해이 정보를 사용합니다. 전자 상거래 플랫폼은이를 사용하여 고객에게 추천을 개인화합니다. 챗봇은 자연 언어 처리를 위해 ANN과 함께 개발되었습니다. 딥 러닝 알고리즘은 ANN을 사용하여 이벤트 가능성을 예측합니다. ANN 설립 목록은 여러 부문, 산업 및 국가에서 진행됩니다.
