Neurális háló

Angol megnevezés: ...

Történeti modul

Neurális háló

• 1951-ben Marvin Minsky a Princeton Egyetem matematika tanszékének végzős hallgatójaként, Dean Edmonds-szal megépítette az SNARC-t (Stohastic Neural-Analog Reinforcement Computer), az első neurális számítógépet. A negyven neuronból álló hálózatot háromezer elektroncső és a B24-es vadászbombázó automata pilótája szimulálta.[1]

• 1970-es években a neurális hálók kutatásának többségét leállították. A sors iróniája, hogy épp Minsky volt az, aki később bebizonyította azokat a tételeket, melyek ehhez hozzájárultak. Pedig Minsky és Papert csak a matematikai szigort hiányolták, ám az így megalapozott hálókban az MI komoly lehetőségeit látták. Ám azt is kimutatták, hogy bizonyos problémák elméletileg sem oldhatók meg (a retina működését modellező, minták felismerésére betanítható) egyszerű perceptronnal.[2]

• 1968 óta Hecht-Nielsen foglalkozik a témakörrel, cége, az analitikus és döntésmenedzselő programokról ismert HNC Software 2002-ben egyesült az 1956-ban alapított, főként statisztikai megközelítésű fogyasztói és hitelmodelleken, például csaláselhárításon munkálkodó Fair Isaac-kel. A hagyományos csalásfelderítés hónapos, sőt, éves késéssel történik – állítja Tammy Delatorre, a vállalat egyik szóvivője. Ugyan hasznos módszer, de az elkövetőket nem akadályozza meg abban, hogy – miután komoly károkat okoztak – eltűnjenek a pénzzel. A probléma orvoslására (továbbá a fogyasztói/vásárlói trendek előrejelzésére) egyre gyakrabban alkalmazzák a neurális hálókat.[3]

Ontológiai modul

"ez egy" kapcsolattípus

• SAS
• TA
• ART
• Python

"van neki, része a szócikknek" kapcsolattípus

• Adatbányászat
• Modell
• black box rendszer

"a szócikk része valaminek (a szócikkel egyenrangú fogalmak)" kapcsolattípus

• Artificial Neural Network
• Intelligencia teszt

Ellentmondások és vitatott kijelentések modulja

Szerkesztői javaslat: Hogyan biztosítható a legjobb modell megtalálása az önálló tanulási folyamat keretében létrejött, eltérő hálómodellek közötti választás keretében?

Válasz a szerkesztői javaslatra:

• Modell: A vizsgált rendszer vagy folyamat belső összefüggéseit, legjellemzőbb sajátságait tömörítő szemléltető minta, rendszerint matematikai egzaktsággal képletekbe sűrítő formula.

• Gépi tanulási folyamat: Csak bizonyos tapasztalatokból indul, a sok “szürke” eset csak megerősíti az egyes ,de egyidejűleg károsan befolyásolja a szélsőséges esetek értékét

• A végtelen és véges nagy kombinatorikai térben adott célfüggvény szempontjából legjobb modell lépésről lépésre való feltárása a keresés vezérlésének milyenségétől függ. Egy véges keresési tér esetén adott modellből úgy jutunk el a legjobb modellhez, hogy közben egyetlen gyengébb modellt sem kell megvizsgálni. Először a mindenkori “legjobb” modell valamilyen stratégia szerinti megtalálása a feladat, s ezen eredmények alkalmazási példái nyomán lehetséges a tanulás alapjának magát a tanulási folyamat mintázatait tekinteni, vagyis a visszalépés-mentes gépi tanulás meta-modelljét megalkotni. Jelenleg az is nagy eredmény adott tanulási folyamatban, ha tetszőlegesen alacsony hibaértékeket lehet adott jelenségek és adott hibadefiníciók kapcsán szisztematikusan biztosítani.

• A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható.

Definíciós modul

• Nagyon sok elég egyszerű processzor hálózata, melyek rendelkeznek egy kevés saját memóriával.

• A neuronális hálók matematikai struktúrát jelentenek, mely az emberi agy működésének néhány aspektusát imitálja.

Tesztkérdések modul

• A neurális háló abban különbözik a szakértői módszerektől, hogy elméletileg a szükségük van egy korábbi ismert modellre.

(Hamis,mert nincs szükségük egy korábbi ismert modellre.)

• A neurális hálók a gyakorlatban két formában használatosak?

(Igaz)

• A DataScope neurális hálózati modellje egy rejtett réteget tartalmaz.

(Hamis, mivel több rejtett réteget tartalmaz.)

Ajánlott irodalmak modulja

• A mesterséges neuronális hálózatok alkalmazása [4]

• Adatbányászat és statisztika[5]

• Neurális hálók és fuzzy-rendszerek[6]