신경망은 인간의 두뇌가 작동하는 방식을 모방한 프로세스를 통해 일련의 데이터에서 기본 관계를 식별하기 위해 노력하는 일련의 알고리즘입니다. 이 방법에서 신경망은 유기적이든 인공적이든 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.
신경망은 인간의 두뇌가 작동하는 기술을 모방한 프로세스를 통해 데이터 세트에서 근본적인 관계를 식별하기 위해 노력하는 알고리즘의 배열입니다. 이러한 의미에서 신경망은 유기 또는 인공과 같은 뉴런 시스템을 정의합니다.
신경망은 예측 변수(독립 변수, 입력 변수)와 예측 변수(종속 변수, 출력 변수) 간의 관계가 지속되는 거의 모든 상황과 관련이 있습니다. 이러한 관계가 "상관"이라는 일반적인 용어로 명확하지 않고 설명하기 어려운 경우에도 마찬가지입니다. 또는 "그룹 간의 차이"
신경망은 패턴의 인스턴스를 식별하는 데 사용되는 시뮬레이션된 뉴런의 네트워크입니다. 신경망은 네트워크 가중치 영역을 검색하여 이해합니다.
신경망은 연결된 입력/출력 단위의 집합으로, 각 링크에는 관련 가중치가 있습니다. 학습 절차 동안 네트워크는 입력 샘플의 정확한 클래스 레이블을 예측할 수 있도록 가중치를 조정하여 학습합니다. NN 학습은 단위 간의 연결로 인해 연결 학습이라고도 합니다.
신경망은 긴 훈련 항목이 필요했으며 학습 가중치에 따라 상징적 의미를 해석하는 것이 복잡하기 때문에 해석성이 좋지 않은 것으로 검토되었습니다. 이러한 기능은 원래 데이터 마이닝에 덜 매력적인 신경망을 만듭니다.
신경망에는 잡음이 있는 데이터에 대한 높은 내성과 훈련되지 않은 패턴을 분류하는 능력이 포함됩니다. 훈련된 신경망에서 규칙을 추출하기 위해 다양한 알고리즘이 개발되었습니다. 이러한 요소는 데이터 마이닝에서 분류를 위한 신경망의 편의성에 기여합니다.
엔지니어링에서 신경망은 패턴 분류기와 비선형 적응 필터로 두 가지 중요한 기능을 제공합니다. 인공 신경망은 데이터에서 기능(입력/출력 맵)을 구현하는 것을 이해하는 유연하고 대부분의 경우 비선형 시스템입니다. 적응형은 일반적으로 훈련 단계로 알려진 작동 중에 시스템 매개변수가 변환되는 것을 정의합니다.
훈련 단계 후 인공 신경망 매개변수는 일정하고 시스템은 당면한 문제를 해결하도록 설정됩니다(테스트 단계). 인공 신경망은 성능 테스트를 강화하거나 일반적으로 학습 규칙으로 정의되는 일부 암묵적인 내부 제약을 따르기 위해 체계적인 단계별 단계로 개발되었습니다.