Artificial intelligence 人工神经网络的实际应用

我为自己写了一个人工神经网络（ANN）实现（很有趣）。我正在考虑在哪里可以使用它

---

在现实世界中，使用人工神经网络的关键领域是什么？

通常用于将噪声输入分类为固定类别，如将手写字母分类为其等效字符，将语音分类为音素，或将噪声传感器读数分类为一组固定值。通常，类别集很小（23个字母，几十个音素，等等）

---

其他人会指出，如何用专门的算法更好地完成所有这些事情……

我曾经写过一个人工神经网络来预测股市。它成功了，准确率约为80%

这里的线索是首先获得数百万行的真实股票数据。我使用这些数据来训练网络，并使其成为真正的数据。大约有8-10个输入变量和一个单一的输出值，可以指示股票第二天的预测值

你也可以看看（古代）当一个人类驾驶人在方向盘后面时，汽车通过观察道路数据学会了自己驾驶

人工神经网络也广泛应用于生物信息学。

人工神经网络是“学习”系统的一个例子，它对输入数据（在某些领域）进行“训练”，以便有效地对该领域中的（看不见的）数据进行分类。他们已经被用于从字符识别到电脑游戏等一切领域

---

如果你想找到一个领域，选择一些你感兴趣的主题或领域，看看那里存在什么样的分类问题。

+1编写一个有趣的人工神经网络：）一个类似的问题（因此你可能会发现这些答案很有趣）“你用人工神经网络解决了什么问题？”：80%的准确率，嗯？你一定很富有。只是出于好奇：这80%是在用来训练网络的数据上测量的，还是在单独的数据集上测量的？请不要误会我的意思，但是在没有定义的情况下说明准确度数字是绝对没有意义的。80%是通过使用单独的数据集来测量的。然而，在这里不要太高兴。我认为我的安过于急于预测股票会上涨。由于大多数股票都上涨了，所以大多数时候都是对的。对于预测股票市场，适当的马尔可夫模型更好，尽管我从未尝试过比较这些方法。使用您的这些数据，创建一个单节点决策树，也就是一个决策树桩，对问题“XYZ明天会上升吗？”的答案为“是”。它能达到什么样的精度？我猜>50%。如果你坚持迂腐，大约有15个输入节点和一个输出节点。输出节点将预测n+1天的股票价值。由于一只股票作为原始数据的价值实际上无法与另一只股票的价值进行比较，我觉得最好将其与自身进行比较，以表明这是否是一项良好的投资。ANN不仅仅适用于数据分类。它们的用途更为广泛，可用于函数逼近、预测、隐式知识表示、自动控制等@Zack fair。我不是说他们就这么做的。例如，ANN可以与强化学习技术结合使用，不仅可以学习如何玩双陆棋，还可以学习如何控制电梯。