Πώς να χρησιμοποιήσετε Νευρωνικά Δίκτυα για Πρόβλεψη

νευρωνικά δίκτυα είναι προγράμματα λογισμικού ηλεκτρονικών υπολογιστών σε θέση να της μάθησης και την προσαρμογή της λειτουργίας τους με έναν τρόπο που μπορεί να χρησιμοποιηθεί για την πρόβλεψη των μελλοντικών γεγονότων . Λειτουργία σαν τον ανθρώπινο εγκέφαλο , τον προγραμματισμό του λογισμικού βασίζεται σε μεγάλα σύνολα δεδομένων με πολλαπλές μεταβλητές . Προκειμένου να προβλεφθούν οι μελλοντικές εκβάσεις από ένα σύστημα , ένα νευρωνικό δίκτυο θα αναλύσει τη σχέση μεταξύ αυτών των πολλαπλών μεταβλητών, ενώ ταυτόχρονα λαμβάνοντας υπόψη τις αλλαγές σε αυτές τις σχέσεις που παρατηρήθηκαν την πάροδο του χρόνου . Τα νευρωνικά δίκτυα που βασίζονται στη θεωρία ότι τα πολύπλοκα συστήματα , όπως οι χρηματοπιστωτικές αγορές ή βιολογικούς οργανισμούς , ενεργούν όπως κάνουν λόγω της πληθώρας των αλληλεπιδράσεων μεταξύ πολλών διαφορετικών στοιχείων εντός του συστήματος . Τα πράγματα που θα χρειαστείτε
Νευρωνικά λογισμικό δικτύου
δεδομένων και μεταβλητές που θέλετε να
μελετήσει
Παρουσίαση Περισσότερες οδηγίες
Η 1

συλλέγουν δεδομένα σχετικά με το σύστημα που επιθυμούν να σπουδάσουν . Για παράδειγμα, σε μια μελέτη του 1997 που δημοσιεύτηκε στο περιοδικό " Circulation ", οι ερευνητές δημιούργησαν με επιτυχία νευρωνικά δίκτυα που βασίζονται σε δεδομένα ΗΚΓ από ασθενείς με υποψία καρδιακής προσβολής . Τα δεδομένα που συλλέγονται στα πειράματα αυτά περιλαμβάνονται τα χαρακτηριστικά του ΗΚΓ του ασθενούς , καθώς και τα αποτελέσματα της τελικής τη διάγνωση του γιατρού . 2

Εκτελέστε τα δεδομένα μέσω του νευρωνικού δικτύου . Το πρόγραμμα που χρησιμοποιείτε θα επεξεργαστεί και να αναλύσει τα δεδομένα εισόδου σας , αλλάζοντας την εσωτερική της διάρθρωση κατά μήκος του τρόπου . Οι ίδιοι νευρωνικά δίκτυα λειτουργούν με προγραμματισμό ίδιοι με βάση τα πρότυπα στα δεδομένα , σαν τον δικό μας, ο εγκέφαλός προγραμματίσετε με βάση τις εμπειρίες μας . Αναφερόμενοι πάλι στο ΗΚΓ νευρωνικά δίκτυα, στα πειράματα αυτά ο υπολογιστής ήταν σε θέση να καθορίσει ποια χαρακτηριστικά των EKGs είναι πιο προβλεπτική διάγνωση καρδιακής προσβολής. Αυτό επιτεύχθηκε όταν το ίδιο το δίκτυο έχει προγραμματιστεί με τα στοιχεία , αποκαλύπτοντας έτσι τα μοτίβα που συνδέουν μεταβολές ΗΚΓ με τις τελικές διαγνώσεις .
Εικόνων 3

Δοκιμάστε το νευρωνικό δίκτυο με το ίδιο σύνολο δεδομένων . Τώρα που ο υπολογιστής ίδια έχει προγραμματιστεί , μπορείτε να συνδέσετε τα αρχικά δεδομένα εισόδου για να βεβαιωθείτε ότι προβλέπει σωστά την παρατηρούμενη αποτέλεσμα . Για τα πειράματα ΗΚΓ , οι ερευνητές έπρεπε να ζητήσει από το νευρωνικό δίκτυο για να αναλύσει τα ίδια δεδομένα ΗΚΓ και να προβλέψει κατά πόσον ή όχι ο ασθενής τελικά διαγνωστεί με καρδιακή προσβολή .
Η 4 Πείραμα

με νέα σύνολα δεδομένων . Όταν είστε σίγουροι για την προβλεπτική ικανότητα των νευρωνικών δικτύων σας , μπορείτε να συνδέσετε τα νέα δεδομένα στην είσοδο του προγράμματος . Ο υπολογιστής θα χρησιμοποιήσει ό, τι « έμαθε » από την προηγούμενη σύνολα δεδομένων για την πρόβλεψη των αποτελεσμάτων των νέων δεδομένων .
Η
εικόνων