神經網路的應用有哪些？

神經網路是由一系列演算法組成的陣列，旨在透過模擬人腦運作技術的流程來識別一組資料中的基本關係。從這個意義上說，神經網路指的是神經元系統，無論是生物性的還是人工的。

神經網路幾乎適用於任何預測變數（自變數，輸入）和預測變數（因變數，輸出）之間存在關係的情況，即使這種關係非常複雜，並且不容易用通常的“相關性”或“組間差異”來表達。

神經網路有各種各樣的應用，如下所示：

• 醫學現象檢測——可以檢查一系列與健康相關的指標（例如，心率、血液中幾種物質的水平、呼吸率的組合）。特定醫療狀況的發生可能與被檢查變數子集變化的非常複雜（例如，非線性和互動式）組合有關。神經網路已被用來識別這種預測模式，以便能夠推薦適當的治療方法。

• 股市預測——股價和股指的波動是另一種複雜、多維的現象，但在某些情況下至少部分是確定性的。許多技術分析師正在使用神經網路根據大量因素（例如其他股票的過去表現和各種經濟指標）來預測股價。

• 信用評估——通常會了解貸款申請人的各種資料。例如，申請人的年齡、教育程度、職業和其他一些事實是可以獲取的。在對歷史資料進行神經網路訓練後，神經網路分析可以識別最相關的特徵，並利用這些特徵將申請人分類為良好的或不良的信用風險。

• 機器狀態監控——神經網路可以幫助降低成本，透過額外專業知識來安排機器的預防性維護。

  可以訓練神經網路區分機器在正常執行時發出的聲音（“誤報”）與機器即將出現故障時發出的聲音。經過這段訓練期後，網路的熟練程度可用於在故障出現併產生代價高昂的意外“停機”之前，向技術人員發出即將發生故障的通知。

• 發動機管理——神經網路已被用於評估來自發動機的感測器輸入。神經網路控制發動機執行的各種引數，以實現特定目標，例如最大限度地減少燃油消耗。

Ginni

更新於：2021年11月22日

658 次瀏覽

開啟您的職業生涯

完成課程獲得認證

開始學習