人工神经网络在现实世界中的应用[关闭]答案

【问题标题】：Real world usage for artifical neural networks [closed]人工神经网络在现实世界中的应用[关闭]
【发布时间】：2011-04-11 22:10:06
【问题描述】：

我为自己编写了一个人工神经网络 (ANN) 实现（这很有趣）。我现在正在考虑我可以在哪里使用它。

现实世界中哪些关键领域正在使用人工神经网络？

【问题讨论】：

+1 写一个有趣的 ANN :)
一个类似的问题（所以您可能会觉得这些答案很有趣）“您使用人工神经网络解决了哪些问题？”：stackoverflow.com/questions/1559843/…

【解决方案1】：

最常用于将嘈杂的输入分类为固定类别，例如将手写字母分类为对应的字符，将口语语音分类为音素，或将嘈杂的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）

其他人会指出如何使用专门的算法更好地完成所有这些事情......

【讨论】：

【解决方案2】：

我曾经写过一个人工神经网络来预测股市。它以大约 80% 的准确率成功。

这里的提示是首先获取几百万行真实股票数据。我使用这些数据来训练网络并将其用于真实数据。大约有 8-10 个输入变量和一个输出值，表示第二天股票的预测值。

您还可以查看（古老的）ALVINN network，当人类驾驶员驾驶时，汽车通过观察道路数据学会了自动驾驶。

人工神经网络也广泛用于生物信息学。

【讨论】：

80% 的准确率，嗯？你一定很有钱。
只是出于好奇：这些 80% 是根据用于训练网络的数据还是在单独的数据集上测量的？请不要误会我的意思，但是在没有首先定义的情况下说明准确度是绝对没有意义的。
80% 是使用单独的集合测量的。但是，在这里不要太高兴。我认为我的 ANN 过于急于预测股票会上涨。由于大多数股票确实上涨，因此大多数情况下都是正确的。对于预测股市，显然马尔可夫模型更好，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，也称为决策树桩，对“明天 XYZ 会上涨吗？”的问题回答“是”。它可以达到什么样的精度？我猜>50%。
如果你坚持学究气，大概有 15 个输入节点和一个输出节点。输出节点将预测第 n+1 天的股票价值。由于作为原始数据的一只股票的价值无法与另一只股票的价值进行真正的比较，因此我认为将其与自身进行比较以判断它是否是一项好的投资是一个好主意。

【解决方案3】：

ANN 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（不可见的）数据进行分类。它们已被用于从字符识别到计算机游戏等各种领域。

如果您正在尝试查找某个领域，请选择一些您感兴趣的主题或领域，然后看看那里存在哪些分类问题。

【讨论】：