La lista es interminable. Las redes neuronales son el núcleo del aprendizaje automático y la inteligencia artificial. En el área de aproximación de funciones, se puede aplicar para hacer predicciones (p. Ej., Pronóstico) y reconocimiento de patrones (se ha aplicado repetidamente en medicina para detectar cáncer y otras anormalidades en el sistema humano).
Se ha dicho mucho sobre las redes neuronales, pero déjenme analizarlo para que lo entiendan. Imagina que eres un maestro y te dan unos 50 guiones de examen para marcar. Ahora también se le entrega un memorando para marcar los guiones. Digamos que hay 10 preguntas de opción múltiple en los guiones y las restantes son preguntas teóricas.
Inicialmente, cuando comience a marcar los primeros 5 guiones, se referirá constantemente al memorándum porque todavía es nuevo y aún no ha memorizado las respuestas en el memorándum. Ahora, cuando marque de 10 a 20 guiones, descubrirá que en ese momento ya conoce algunas de las respuestas en el memorándum y no necesita referirse al memorándum constantemente como lo hizo cuando comenzó inicialmente el marcado. Al marcar entre 30 y 40 guiones, incluso mejora. Su cerebro ahora ha memorizado la mayoría de las respuestas en el memorándum y el marcado se vuelve más fácil y rápido ya que se refiere menos al memorándum. Puede descubrir que al marcar los últimos 10 guiones, es posible que haya memorizado todas las respuestas en el memorándum y que el marcado sea aún más rápido.
- Cómo hacer un bot que pueda ser entrenado para jugar juegos simples usando Python
- ¿Por qué nadie recomienda JavaScript / Node.js como lenguaje para el aprendizaje automático o el análisis de datos?
- Cómo obtener una posición de RA en el Grupo de Aprendizaje Automático de Microsoft Research India
- ¿Cómo utilizan los RNN estándar la información de los pasos de tiempo anteriores?
- ¿Cómo puedo interpretar las predicciones en un modelo de aprendizaje automático de salud (bosque aleatorio) para infarto agudo de miocardio?
Eso es exactamente lo que hace una red neuronal. Imita la operación y el funcionamiento del cerebro humano. A medida que alimentamos más datos a una red neuronal, la red neuronal comienza a estudiar las tendencias en los datos y el rendimiento comienza a mejorar (de la misma manera que pudo memorizar el memorándum cuanto más marcaba más guiones). Este proceso se llama generalización de la red neuronal. Con la ayuda de funciones de activación y neuronas de capa oculta junto con algunos otros factores, una red neuronal bien entrenada hace la predicción correcta.
Entonces, si una red neuronal puede imitar el funcionamiento del cerebro humano, entonces es posible que pueda hacer prácticamente cualquier cosa que los humanos puedan hacer, desde autos autónomos hasta el robot Sofía y la robótica industrial, la red neuronal se incorpora en muchas formas de inteligencia artificial .