Les réseaux de
neurones sont des modèles de calcul complexes qui sont souvent utilisés pour la
reconnaissance des formes. Parce que les réseaux de neurones sont modélisés sur
les fonctions du cerveau biologique, ils sont capables «d'apprendre» et prédire
les résultats. Il y a beaucoup d'utilisations pratiques des réseaux de neurones
pour la prédiction, y compris le calcul financier, les prévisions météorologiques,
et le diagnostic médical.
Les réseaux de
neurones artificiels pour la prédiction sont inspirés par le cerveau humain.
Dans un cerveau biologique, de nombreuses petites unités de traitement appelées
«neurones» sont reliés dans un grand réseau. Chaque zone de traitement est
relativement simple, mais l'ensemble du réseau est en mesure de résoudre des
problèmes complexes où chaque neurone travaille ensemble. Les connexions entre
chaque petit neurone peuvent être reconfigurées dans de nouveaux modèles de
réseau. Cela permet au cerveau de se réorganiser et «apprendre» de nouveaux
concepts.
Comme un cerveau
humain, artificiel réseau neuronal contient de nombreux petits transformateurs
et les connexions qui peuvent être reconfigurés. Le concept de l'utilisation de
neurones artificiels a été décrit par les scientifiques Walter Pitts et Warren McCulloch
en 1943. Ce travail scientifique a été rapidement élargi et rendu public par le
célèbre pionnier de l'intelligence artificielle, Alan Turing, qui a écrit sur
les réseaux de neurones artificiels dans une publication 1948 intitulés
"Intelligent Machinery ".
Calcul financier
est l'une des utilisations les plus courantes des réseaux de neurones pour la
prédiction. Essentiellement, un réseau neuronal est utilisé comme un
"filtre" mathématique pour prédire un résultat sur la base de données
disponible. Cette fonction est souvent utilisée dans le marché boursier
logiciel de prédiction. Dans cette application, un ordinateur traite les
tendances du marché précédentes. Une fois qu'un modèle a été mis en place, le
réseau de neurones calcule si une action va augmenter ou diminuer à l'avenir.
Les réseaux de
neurones peuvent également être utilisés pour déterminer la cote de crédit d'un
individu ou d'une entreprise. Comme avec les actions prédiction, la
reconnaissance des formes est la clé. Un réseau peut envisager des milliers de
bénéficiaires du crédit passées, et analyser leur histoire financière. En
trouvant les tendances passées, les réseaux de neurones pour la prédiction
peuvent estimer que les nouveaux candidats sont susceptibles de faire défaut sur
leur crédit. Ces personnes reçoivent une cote de crédit à haut risque sur la
base de la prévision.
De même, les
réseaux de neurones peuvent être utilisés pour les prévisions météorologiques.
De nombreux facteurs environnementaux, tels que des courants de température et
de vent peuvent être introduites dans le réseau. L'utilisation d'un modèle de
prévision basé sur les modèles climatiques du passé, le réseau de neurones peut
déterminer le résultat probable de conditions météo actuelles.
L'utilisation des
réseaux de neurones pour la prédiction peut également aider à résoudre certains
problèmes médicaux. Le corps humain est très complexe, et des dizaines voire
des centaines de facteurs peuvent se combiner pour causer une maladie. Les
réseaux de neurones sont parfois en mesure de déduire la source d'un symptôme.
Dans cette application, un réseau artificiel peut trouver les tendances et les
modèles de dossiers de patients précédents, et de prédire la cause la plus
probable d'une maladie.