신경망은 인간의 두뇌가 작동하는 방식을 모방한 프로세스를 통해 일련의 레코드에서 기본 관계를 인식하려고 노력하는 일련의 알고리즘입니다. 이 방법에서 신경망은 유기적이거나 인공적인 뉴런 시스템을 정의합니다.
신경망은 인지 시스템과 뇌의 신경 기능에서 학습의 (가정된) 과정을 모델로 하고 기존의 학습 과정을 구현한 후 다른 관찰에서 새로운 관찰(특정 변수에 대한)을 예측할 수 있는 분석 기술입니다. 정보. 신경망은 데이터 마이닝 기술 중 하나입니다.
첫 번째 단계는 특정 네트워크 아키텍처를 설계하는 것입니다(각각 특정 수의 "뉴런"을 포함하는 특정 수의 "계층" 포함). 네트워크의 크기와 구조는 조사된 현상의 특성(예:형식적 복잡성)과 일치해야 합니다. 후자는 이 초기 단계에서 잘 알려져 있지 않기 때문에 이 작업은 쉽지 않으며 종종 여러 "시행 착오"를 수반합니다.
그런 다음 새 네트워크는 "훈련" 과정을 거칩니다. 이 단계에서 뉴런은 입력(변수)의 수에 반복적인 프로세스를 적용하여 네트워크의 가중치를 조정하여 "훈련 "가 수행됩니다. 기존 데이터 세트에서 학습하는 단계가 끝나면 새 네트워크가 준비되고 예측을 생성하는 데 사용할 수 있습니다.
신경망은 지난 몇 년 동안 관심의 폭발을 보았고 금융, 의학, 공학, 지질학 및 물리학과 같은 다양한 영역에서 문제 영역의 특별한 영역에서 성공적으로 사용되고 있습니다. 신경망에는 다음과 같은 두 가지 요소가 있습니다. -
힘 − 신경망은 매우 복잡한 기능을 모델링하는 데 적합한 매우 세련된 모델링 기술입니다. 특히 신경망은 비선형입니다. 선형 모델에는 잘 알려진 최적화 전략이 있기 때문에 몇 년 동안 선형 모델링은 대부분의 모델링 영역에서 일반적으로 사용되는 방법이었습니다.
사용 용이성 − 신경망은 예를 통해 학습합니다. 신경망 사용자는 대표 데이터를 수집한 다음 학습 알고리즘을 호출하여 데이터 구조를 자동으로 학습합니다.
사용자는 레코드를 선택하고 준비하는 방법, 적절한 신경망을 선택하는 방법 및 결과를 실행하는 방법에 대한 경험적 지식이 필요하지만 신경망을 성공적으로 사용하는 데 필요한 사용자 지식 수준은 실제보다 훨씬 낮습니다. (예를 들어) 좀 더 전통적인 비선형 통계 방법을 사용하는 경우.