Sieci neuronowe to złożone modele obliczeniowe, które są często używane do rozpoznawania wzorców. Ponieważ sieci neuronowe są modelowane na biologicznych funkcjach mózgu, są w stanie „uczyć się” i przewidywać wyniki. Istnieje wiele praktycznych zastosowań sieci neuronowych do przewidywania, w tym obliczenia finansowe, prognozowanie pogody i diagnostyka medyczna.
Sztuczne sieci neuronowe do przewidywania są inspirowane ludzkim mózgiem. W biologicznym mózgu wiele małych jednostek przetwarzających zwanych „neuronami” jest połączonych w dużą sieć. Każdy pojedynczy obszar przetwarzania jest stosunkowo prosty, ale cała sieć jest w stanie rozwiązywać złożone problemy, gdy każdy neuron pracuje razem. Połączenia między każdym małym neuronem można przekonfigurować w nowe wzorce sieci. Pozwala to mózgowi na reorganizację i „uczenie się” nowych pojęć.
Podobnie jak ludzki mózg, sztuczna sieć neuronowa zawiera wiele małych procesorów i połączeń, które można rekonfigurować. Koncepcja wykorzystania sztucznych neuronów została po raz pierwszy opisana przez naukowców Waltera Pittsa i Warrena McCullocha w 1943 roku. Ta praca naukowa została wkrótce rozszerzona i opublikowana przez słynnego pioniera sztucznej inteligencji Alana Turinga, który opisał sztuczne sieci neuronowe w publikacji z 1948 roku zatytułowanej „Intelligent Machinery ”.
Obliczenia finansowe to jedno z najczęstszych zastosowań sieci neuronowych do predykcji. Zasadniczo sieć neuronowa służy jako matematyczny „filtr” do przewidywania wyniku na podstawie dostępnych danych finansowych. Ta funkcja jest często używana w oprogramowaniu do prognozowania na giełdzie. W tej aplikacji komputer przetwarza dotychczasowe trendy rynkowe. Po ustaleniu wzorca sieć neuronowa oblicza, czy w przyszłości zapasy będą rosnąć, czy spadać.
Sieci neuronowe można również wykorzystać do określenia zdolności kredytowej osoby lub firmy. Podobnie jak w przypadku prognoz giełdowych, kluczem jest rozpoznawanie formacji. Sieć może wziąć pod uwagę tysiące byłych odbiorców kredytów i przeanalizować ich historię finansową. Znajdując trendy w przeszłości, sieci neuronowe do przewidywania mogą oszacować, którzy nowi kandydaci prawdopodobnie nie wywiążą się ze swojego kredytu. Osoby te otrzymują ocenę kredytową wysokiego ryzyka w oparciu o przewidywania.
Podobnie sieci neuronowe mogą być wykorzystywane do prognozowania pogody. Do sieci można zasilać wiele różnych czynników środowiskowych, takich jak temperatura i prądy wiatrowe. Korzystając z modelu prognostycznego opartego na poprzednich wzorcach klimatycznych, sieć neuronowa może określić prawdopodobny wynik aktualnych warunków pogodowych.
Wykorzystanie sieci neuronowych do przewidywania może również pomóc w rozwiązaniu niektórych problemów medycznych. Organizm ludzki jest bardzo złożony i dziesiątki, a nawet setki czynników mogą się łączyć, aby wywołać stan chorobowy. Sieci neuronowe są czasami w stanie wydedukować źródło symptomu. W tej aplikacji sztuczna sieć może znajdować trendy i wzorce z poprzednich rejestrów pacjentów i przewidywać najbardziej prawdopodobną przyczynę choroby.