Le reti neurali sono una forma di base del sistema di apprendimento che sono comuni in esperimenti di intelligenza artificiale e di progetti . I primi sistemi di reti neurali iniziarono ad essere disponibili alla fine del 1980 , come sistemi software semplici e sistemi ibridi che correvano su hardware specializzato . Storia

Il concetto iniziale di reti neurali e computazione neurale sviluppata nel corso del 1940 . Dal 1950 , una semplice rete a due strati dimostrato il concetto di base . tuttavia, alcune restrizioni - come ad esempio l'impossibilità di risolvere i problemi di XOR , una funzione di base in informatica digitale - . limitato interesse nella tecnologia fino alla fine del 1970 e all'inizio del 1980
sistemi naturali Simulazione < br >

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 sia accolta e un'uscita prevedibile è il risultato di calcoli , le reti neurali sono progettati per creare algoritmi di predizione basati su note buoni ingressi e uscite e sono , quindi , in grado di imparare dalle esperienze precedenti .

Making Sense of Chaos

reti neurali lavoro tenendo traccia delle note buone ingressi . Ad esempio, le reti neurali volte a prevedere la direzione del mercato azionario potrebbe avere eventi storici inseriti come input e il conseguente aumento o la diminuzione del mercato è entrato come risultati . Inserendo migliaia di eventi storici e stock risultati di mercato , una rete neurale può cominciare a cercare di prevedere sale e scende in base a input di corrente . Poiché la rete raccoglie più dati , si può imparare a fare previsioni più accurate sul mercato.
Vantaggi

Le reti neurali possono sviluppare algoritmi basati su input e risultati noti , e può finalmente imparare a prevedere gli eventi con un alto grado di certezza . Poiché le reti neurali sono sistemi in parallelo , 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 .
Svantaggi

Uno svantaggio di una rete neurale è che ha bisogno di tempo per treno . La rete sarà valida solo se i dati iniziali e dati di allenamento corretti . Se la rete neurale è dato dati errati e ha detto i dati sono corretti , applicherà i dati non validi per le decisioni e le previsioni future. Reti neurali basate sul software eseguite su diverse architetture di maggior parte dei computer comuni . Pertanto , se non si utilizza un sistema hardware e software dedicata , sistemi di traduzione complessi sono necessari per convertire i dati neurali ad un formato utilizzabile da sistemi informatici comuni .