Kunstmatig neuraal netwerk (ANN)
Wat is een kunstmatig neuraal netwerk (ANN)?
Een kunstmatig neuraal netwerk (ANN) is het onderdeel van een computersysteem dat is ontworpen om de manier te simuleren waarop het menselijk brein informatie analyseert en verwerkt. Het is de basis van kunstmatige intelligentie (AI) en lost problemen op die volgens menselijke of statistische normen onmogelijk of moeilijk zouden blijken. ANN’s hebben zelflerende capaciteiten waardoor ze betere resultaten kunnen produceren naarmate er meer gegevens beschikbaar komen.
Belangrijkste leerpunten
- Een kunstmatig neuraal netwerk (ANN) is het onderdeel van kunstmatige intelligentie dat bedoeld is om het functioneren van een menselijk brein te simuleren.
- Verwerkingseenheden vormen ANN’s, die op hun beurt bestaan uit inputs en outputs. De inputs zijn wat de ANN leert om de gewenste output te produceren.
- Backpropagation is de set leerregels die wordt gebruikt om kunstmatige neurale netwerken te begeleiden.
- De praktische toepassingen voor ANN’s zijn wijd en zijd, en omvatten financiën, persoonlijke communicatie, industrie, onderwijs, enzovoort.
Een kunstmatig neuraal netwerk (ANN) begrijpen
Kunstmatige neurale netwerken zijn gebouwd als het menselijk brein, met neuron-knooppunten die als een web met elkaar zijn verbonden. Het menselijk brein heeft honderden miljarden cellen die neuronen worden genoemd. Elk neuron bestaat uit een cellichaam dat verantwoordelijk is voor het verwerken van informatie door informatie naar (inputs) en weg (outputs) van de hersenen te dragen.
Een ANN heeft honderden of duizenden kunstmatige neuronen, verwerkingseenheden genaamd, die met elkaar zijn verbonden door knooppunten. Deze verwerkingseenheden zijn opgebouwd uit invoer- en uitvoereenheden. De invoereenheden ontvangen verschillende vormen en structuren van informatie op basis van een intern weegsysteem, en het neurale netwerk probeert de gepresenteerde informatie te leren kennen om één uitvoerrapport te produceren. Net zoals mensen regels en richtlijnen nodig hebben om met een resultaat of output te komen, gebruiken ANN’s ook een set leerregels genaamd backpropagation, een afkorting voor achterwaartse voortplanting van fouten, om hun outputresultaten te perfectioneren.
Een ANN doorloopt aanvankelijk een trainingsfase waarin hij leert patronen in gegevens te herkennen, zowel visueel, auditief als tekstueel. Tijdens deze gecontroleerde fase vergelijkt het netwerk de werkelijke geproduceerde output met wat het moest produceren: de gewenste output. Het verschil tussen beide uitkomsten wordt gecorrigeerd met backpropagation. Dit betekent dat het netwerk achteruit werkt, van de uitvoereenheid naar de invoereenheid om het gewicht van de verbindingen tussen de eenheden aan te passen totdat het verschil tussen het werkelijke en het gewenste resultaat de laagst mogelijke fout oplevert.
Tijdens de training- en supervisiefase wordt de ANN geleerd waarnaar hij moet zoeken en wat de output zou moeten zijn, met behulp van ja / nee-vraagtypen met binaire getallen. Bijvoorbeeld, een bank die wil credit card op te sporen fraude (1) Is de transactie in een ander land in uw eigen land van de gebruiker: kan op tijd vier ingangsunits gevoed met deze vragen? (2) Is de website waarop de kaart wordt gebruikt aangesloten bij bedrijven of landen die op de watchlist van de bank staan? (3) Is het transactiebedrag groter dan $ 2.000? (4) Is de naam op de transactiefactuur dezelfde als de naam van de kaarthouder?
De bank wil dat de “fraude gedetecteerde” antwoorden Ja Ja Ja Nee zijn, wat in binair formaat 1 1 1 0 zou zijn. Als de werkelijke output van het netwerk 1 0 1 0 is, past het zijn resultaten aan totdat het een output levert die samenvalt met 1 1 1 0. Na training kan het computersysteem de bank waarschuwen voor hangende frauduleuze transacties, waardoor de bank veel geld bespaart.
Praktische toepassingen voor kunstmatige neurale netwerken (ANNs)
Kunstmatige neurale netwerken maken de weg vrij voor het ontwikkelen van levensveranderende toepassingen voor gebruik in alle sectoren van de economie. Kunstmatige intelligentieplatforms die zijn gebouwd op ANN’s, verstoren de traditionele manieren om dingen te doen. Van het vertalen van webpagina’s in andere talen tot het online laten bestellen van boodschappen door een virtuele assistent tot het praten met chatbots om problemen op te lossen, AI-platforms vereenvoudigen transacties en maken diensten voor iedereen toegankelijk tegen verwaarloosbare kosten.
Kunstmatige neurale netwerken zijn toegepast in alle operatiegebieden. E-mailserviceproviders gebruiken ANN’s om spam te detecteren en te verwijderen uit de inbox van een gebruiker; vermogensbeheerders gebruiken het om de richting van de aandelen van een bedrijf te voorspellen; kredietbeoordelaars gebruiken het om hun kredietscoremethoden te verbeteren; e-commerceplatforms gebruiken het om aanbevelingen aan hun publiek te personaliseren; chatbots worden ontwikkeld met ANNs voor natuurlijke taalverwerking; deep learning-algoritmen gebruiken ANN om de waarschijnlijkheid van een gebeurtenis te voorspellen; en de lijst van opneming in ANN gaat door in meerdere sectoren, industrieën en landen.