Rețelele neuronale sunt modele de calcul complexe care sunt adesea folosite pentru recunoașterea modelelor. Deoarece rețelele neuronale sunt modelate pe funcțiile biologice ale creierului, ele sunt capabile să „învețe” și să prezică rezultate. Există multe utilizări practice ale rețelelor neuronale pentru predicție, inclusiv calculul financiar, prognoza meteo și diagnosticul medical.
Rețelele neuronale artificiale pentru predicție sunt inspirate de creierul uman. Într-un creier biologic, multe unități mici de procesare numite „neuroni” sunt conectate într-o rețea mare. Fiecare zonă de procesare individuală este relativ simplă, dar întreaga rețea este capabilă să rezolve probleme complexe atunci când fiecare neuron lucrează împreună. Conexiunile dintre fiecare neuron mic pot fi reconfigurate în noi modele de rețea. Acest lucru permite creierului să se reorganizeze și să „învețe” noi concepte.
La fel ca un creier uman, o rețea neuronală artificială conține multe procesoare și conexiuni mici, care pot fi reconfigurate. Conceptul de utilizare a neuronilor artificiali a fost descris pentru prima dată de oamenii de știință Walter Pitts și Warren McCulloch în 1943. Această lucrare științifică a fost în curând extinsă și mediatizată de faimosul pionier al inteligenței artificiale Alan Turing, care a scris despre rețelele neuronale artificiale într-o publicație din 1948 intitulată „Mașini inteligente. .”
Calculul financiar este una dintre cele mai comune utilizări ale rețelelor neuronale pentru predicție. În esență, o rețea neuronală este folosită ca un „filtru” matematic pentru a prezice un rezultat pe baza datelor financiare disponibile. Această caracteristică este adesea folosită în software-ul de predicție a pieței de valori. În această aplicație, un computer procesează tendințele anterioare ale pieței. Odată ce un model a fost stabilit, rețeaua neuronală calculează dacă un stoc va crește sau va scădea în viitor.
Rețelele neuronale pot fi utilizate și pentru a determina ratingul de credit al unei persoane sau al unei companii. Ca și în cazul predicției stocurilor, recunoașterea modelelor este cheia. O rețea poate lua în considerare mii de beneficiari de credit din trecut și poate analiza istoricul financiar al acestora. Găsind tendințele anterioare, rețelele neuronale pentru predicție pot estima ce noi solicitanți sunt susceptibili de a nu-și plăti creditul. Aceste persoane primesc un rating de credit cu risc ridicat bazat pe predicție.
În mod similar, rețelele neuronale pot fi utilizate pentru prognoza meteo. Mulți factori de mediu diferiți, cum ar fi temperatura și curenții vântului, pot fi introduși în rețea. Folosind un model de prognoză care se bazează pe modelele climatice anterioare, rețeaua neuronală poate determina rezultatul probabil al condițiilor meteorologice actuale.
Utilizarea rețelelor neuronale pentru predicție poate ajuta, de asemenea, la rezolvarea anumitor probleme medicale. Corpul uman este foarte complex și zeci sau chiar sute de factori se pot combina pentru a provoca o afecțiune medicală. Rețelele neuronale sunt uneori capabile să deducă sursa unui simptom. În această aplicație, o rețea artificială poate găsi tendințe și modele din înregistrările anterioare ale pacienților și poate prezice cauza cea mai probabilă a unei boli.