Artificial intelligence 神经网络可以帮助解决的常见网络问题

我想知道，你们这些有创造力的人是否能想到网络环境中的一些情况或应用，在这些情况下，神经网络是合适的，或者是一种有趣的旋转

---

编辑：这里有一些很棒的想法。我想更多的以网络为中心。可能是游戏中的机器人探测器或AI。

搜索！认出分类基本上，搜索引擎现在所做的一切都可以从神经网络和模糊逻辑中受益。这尤其适用于多媒体内容（例如，内容索引图像和视频），因为这是当前搜索技术落后的地方。

如果您筛选报废物品或接受其他网站的物品销售信息进行价格比较，NN可用于标记物品描述中可能出现的错误，供用户查看

例如，计算机硬件描述在容量、速度和功能方面往往是错误的。您的NN将了解到，通常视频卡不应包含“Raid 10”字符串。如果有将Raid添加到GPU的趋势，那么随着时间的推移，您的NN将通过接受广告来了解这一点，以教授NN这是一种新的硬件类别

此硬件示例可以扩展到其他行业。

忽略“常见web问题”角度请求，而是“有趣的旋转”视图

可以查看/配置NN的许多方法之一是将其作为一种巨大的自调整、多输入、多输出的案例流控制

因此，当您想要提供模糊匹配时，（不要直接与模糊逻辑本身混淆，这是数学/计算的另一个领域），NN可以提供一个可用的替代方案

所以为了节约能源，你可以提供一个电梯俱乐部，一次性或定期旅行。人们进入他们所在的地方、他们想去的地方和时间。按城市排序并显示在浏览控件中

通过使用NN，随着时间的推移，您可以通过观察车主和寻求者之间的联系，向寻求者提供交通工具的车主。作为一个拥有者，他可能不会和探索者居住在同一个郊区。NN了解随着时间的推移，所有者、搜索者和物理位置差异的变化似乎是可以接受的。因此，当提供给潜在的所有者时，它可以扩大搜索范围

一个主意

基于消费者选择预测的网络广告

在微尺度和极短时间内预测用户的Web浏览方向（当前会话）。这个想法与第一个想法非常相似，是一个概括。一个浏览网页的用户可以提出与其他潜在有趣网站的建议。建议可以根据用户活动期间实时计算的预测进行相关性排序。例如，提议的链接、类别或标签列表可以以云的形式显示，字体大小表示排名分数。用户所做的每一次点击都是预测系统的一个输入，因此预测不断地被改进，以尽可能根据用户的兴趣为用户提供尽可能多的准确建议

---

如何将用户连接到最近的DNS，并确保请求和目标之间的跳转次数尽可能少？

举几个例子：

• 任何类型的推荐系统（无论是电影、书籍还是定向广告）
• 您希望根据用户偏好调整行为的系统（例如，垃圾邮件检测）
• 识别任务（入侵检测）
• 面向计算机视觉的任务（搜索引擎和索引器的图像分类、特定对象检测）
• 自然语言处理任务（文档/文章分类、搜索引擎等）
• 社交应用（Linkedin、facebook等）中的好友推荐

---

有一件事总是让我感到惊讶，那就是我们仍然没有任何伪智能防火墙技术。上面写着“嘿，他的URL范围在不应该发出请求的情况下发出了太多请求”的东西会阻止它们，并向管理员发送报告。这可以通过神经网络来实现

---

在令人讨厌的方面，一些病毒制造者可以找到神经网络的有利可图的用途。Adaptive特洛伊木马，“识别”硬盘上的信用卡号码（而不是寻找某些cookie）或“学习”如何自动屏蔽自己的探测器
我一直很高兴尝试在棋盘游戏中实现一个基于神经网络的机器人，通过协议进行交互。事实证明，这非常棘手，因此我转向XCS来简化问题。
假设EBay使用神经网络预测特定物品的销售可能性；预测哪一天最好列出这类商品，建议起始价格或“立即购买”价格；或者根据吸引买家的可能性对你的描述进行评分？所有这些都是有用的功能，如果它们工作得足够好的话。
神经网络应用程序非常适合表示离散的选择和个人在网络上闲逛时的行为（或个人群体的行为）的整体行为
以新闻阅读为例：
在过去，你通常会选择一份报纸（一个选项），选择一个版面（一个选项），扫描一个页面，选择一篇文章（一个选项），然后阅读基本内容或整篇文章（另一个选项）
现在，你可以选择访问哪个新闻网站并继续上面的内容，但现在你可以放下一篇文章，拿起另一篇，点击广告，更改版面，并在不受限制的情况下继续浏览
网络的整体使用以及人们基于其人口统计、兴趣、经验、政治、时间、地点等做出的选择是NN应用的一个非常丰富的领域。这与新闻机构、网页设计、广告收入尤其相关，甚至可能是一个未被充分探索的领域
当然，这很难