人工ニューラルネットワーク（ANN）は、人間の脳が情報を分析および処理する方法をシミュレートするように設計されたコンピューティングシステムの一部です。 人工知能（AI）の基盤であり、人間または統計の基準では不可能または困難であると判明する問題を解決します。 ANNには自己学習機能があり、より多くのデータが利用可能になると、より良い結果を生み出すことができます。
人工ニューラルネットワーク（ANN）の分解
人工ニューラルネットワーク（ANN）は、経済のあらゆる分野で使用するために、人生を変えるアプリケーションを開発する道を開いています。 ANN上に構築された人工知能（AI）プラットフォームは、物事の従来の方法を混乱させています。 Webページを他の言語に翻訳することから、仮想アシスタントの食料品をオンラインで注文することから、チャットボットと会話して問題を解決することまで、AIプラットフォームはトランザクションを簡素化し、サービスをすべてごくわずかなコストでアクセス可能にします。
システムはどのように機能しますか？
人工ニューラルネットワークは人間の脳のように構築され、ニューロンノードはウェブのように相互接続されています。 人間の脳には、ニューロンと呼ばれる数千億の細胞があります。 各ニューロンは、脳に向かって（入力）および離れて（出力）情報を運ぶことによって情報を処理する細胞体で構成されています。 ANNには、処理ユニットと呼ばれる数百または数千の人工ニューロンがあり、ノードによって相互接続されています。 これらの処理ユニットは、入力ユニットと出力ユニットで構成されています。 入力ユニットは、内部の重み付けシステムに基づいてさまざまな形式と構造の情報を受け取り、ニューラルネットワークは、1つの出力レポートを生成するために提示された情報について学習しようとします。 人間が結果や出力を作成するためのルールとガイドラインを必要とするのと同様に、ANNも出力結果を完成させるために、エラーの逆伝播の略語である逆伝播と呼ばれる学習ルールのセットを使用します。
ANNは最初に、視覚的、聴覚的、またはテキストを問わず、データのパターンを認識することを学習するトレーニングフェーズを通過します。 この監視段階では、ネットワークは、実際に生成された出力と、生成する予定の出力、つまり目的の出力を比較します。 両方の結果の差は、逆伝播を使用して調整されます。 つまり、ネットワークは出力ユニットから入力ユニットに向かって逆方向に動作し、実際の結果と目的の結果の差が最小のエラーになるまで、ユニット間の接続の重みを調整します。
トレーニングと監督の段階で、ANNは、2進数のYes / No質問タイプを使用して、検索対象とその出力が何であるかを学習します。 たとえば、クレジットカード詐欺を時間通りに検出したい銀行には、次の質問が入力される4つの入力ユニットがあります。（1）トランザクションはユーザーの居住国とは異なる国にありますか？ （2）カードのウェブサイトは、銀行のウォッチリストに登録されている企業または国の関連会社で使用されていますか？ （3）取引額は2, 000ドルを超えていますか？ （4）取引請求書の名前はカード所有者の名前と同じですか？ 銀行は、「不正検出」応答をYes Yes Yes Noにしたいと考えています。これはバイナリ形式で1 1 1 0になります。ネットワークの実際の出力が1 0 1 0である場合、 1 1 10。トレーニング後、コンピューターシステムは銀行に保留中の不正取引を警告し、銀行の多くのお金を節約できます。
実用的なアプリケーション
人工ニューラルネットワークは、すべての操作領域に適用されています。 電子メールサービスプロバイダーはANNを使用して、ユーザーの受信トレイからスパムを検出および削除します。 資産運用会社はこれを使用して、会社の株式の方向を予測します。 信用格付け会社は、クレジットスコアリング方法を改善するためにこれを使用します。 eコマースプラットフォームはこれを使用して、視聴者への推奨をパーソナライズします。 チャットボットは、自然言語処理のためにANNで開発されています。 深層学習アルゴリズムは、ANNを使用してイベントの可能性を予測します。 また、ANNの組み込みのリストは、複数のセクター、業界、国にまたがっています。
