神经网络和模糊逻辑的工作流

   行业观察

神经网络 和模糊逻辑的工作流

null

来源：神州数码erp　发布时间： 2009-10-14 9:06:01

关键词： 工作流,协同,B2B,OA    　

以下是几个应用 神经网络 的例子： ·许多银行和金融机构都使用了 神经网络 ，例如，美国城市银行利用 神经网络 来发现金融市场 的机遇。例如，可以将数值0．8分配给“热”，然后就可以创建被称为 算法 的规则和过程来描述变量之间的互相依赖性了。

4．7 神经网络 和模糊逻辑
    如果你看到一条以前从未见过的品种的狗，你能知道它是一条狗吗?或者只能识别出它是一种动物?这两种判断都有可能。由于你见过许许多多动物，从这些动物实例中学会了分辨它们的知识，因此当你看到一条狗时，就能辨认了。 神经网络 模拟人类分辨事物的这种能力，它不需要预先规定得出结论的步骤。 神经网络 ，经常称为人工 神经网络 (ANN)，是可以发现和辨别模式的 人工智能 系统。为了辨识和分辨不同的事物，人类需要联合考虑许多因素。这也是 神经网络 的工作流方式。 神经网络 可以从例子中学习，并且可以用于新的概念和知识。 神经网络 广泛地用于图像模式和语言的分辨系统中。如果你使用过可以辨认字迹的电子记事簿，它很可能就是利用 神经网络 来分析你的字迹特征的。
小组讨论
如何对人进行分类
    有人建议利用 神经网络 预测人们将患哪些疾病或者是否可能成为罪犯。其想法就是将一个小孩的个人特征、人口统计数据及其家系信息输入 神经网络 ， 神经网络 就可将小孩进行分类，指出其可能遭受的各种疾病或有可能成为反常的人。
    选择可能患某种疾病或从事犯罪行为的影响因素，同你的小组成员进行讨论，回答下列问题并解释你选择每一因素的原因。
    1．哪些个人特征可以利用?
    2．哪些人口统计数据显著地影响着一个人的未来?
    3．如果有的话，哪些遗传因素可以预测孩子的未来?
    以这种方式对人进行大规模的分类是否合法?这种行为合乎道德标准吗?它是否有效?对以上3个问题做出回答并指出赞成或反对的理由。
    神经网络 有多种用途。例如，美国许多机场的炸弹检测系统使用可以检测空气中微量元素的 神经网络 来指示是否存在爆炸物。芝加哥警察局利用 神经网络 确定警察的营私舞弊行为。在医药方面， 神经网络 每年都要检查5 000多万例心电图，检查药物的相互作用，以及从组织切片样本中检测出可能患癌症或其他疾病的异常现象等。 神经网络 可以检测心脏病的发作，甚至可以分辨出男女病人症状之间的细微差别。在B2B商业方面， 神经网络 在证券交易、检测诈骗行为、信用评估、房地产评估，贷款申请评估、目标市场分析方面的应用也非常普遍。 神经网络 还应用在机械控制、温度调节和机器故障识别等方面。
    当有大量的协同信息可以利用时， 神经网络 非常适合于识别、分类和预测。通过检验成百上千的实例， 神经网络 可以查明信息中的重要联系和模式。例如，若将许多信用卡交易信息提供给 神经网络 ，并告知哪些是欺诈性的交易，则它最终将学会识别可疑的交易。
    以下是几个应用 神经网络 的例子：
    ·许多银行和金融机构都使用了 神经网络 ，例如，美国城市银行利用 神经网络 来发现金融市场的机遇。“通过运用 神经网络 软件仔细分析股票市场的历史数据，银行的财务经理能够了解到许多有趣的巧合和微小的反常现象(市场低效)。例如，无论何时IBM的股票上升时，Unisys的股票也上升。再如，美国的国库券在日本的卖价比在美国低一分钱，在竞争激烈的金融市场上，这些信息的微小差异对城市银行的盈亏底线起着非常重要的作用。
    ·在加利福尼亚州的威斯敏斯特有87 000多居民。当地警方利用 神经网络 软件与犯罪活动做斗争，OA系统利用犯罪记录作为输入，查出并确定当地的犯罪模式。警方宣称，利用该系统可以更好地预测犯罪趋势，改善了值勤巡逻任务的分派工作，并可制定出更好的犯罪预防程序。

行业透视
使用 神经网络 节约能源
    自1999年美国加利福尼亚州的能源危机之后，包括美国银行在内的很多公司开始寻求能源管理系统。美国银行安装了一套基于 神经网络 的系统来控制其在加利福尼亚州的78座办公楼的能源消耗。该 神经网络 允许管理者浮动控制加热和制冷，使室温始终保持在适宜的温度，办公人员既不会感到太热也不会太冷。
    该银行希望能够节约5个百分点的能源成本，而且在一年内提高这一数字并补偿实施系统的费用。这家公司不仅仅是用系统节约了能源，现在它对于能源消耗也有了更多的理解。
    加利福尼亚州总务管理部也采用了 神经网络 软件来节约能源。在2001年65家州属机关安装了这一软件，它每年能节约20％的能源成本。
    ．Fingerhut是明尼苏达州的一家邮购公司，该公司的顾客清单上记录有600多万人。公司最近改用 神经网络 软件确定顾客是否可能从公司的商品目录中订货。公司发现，使用新软件更加有效。通过更好地调整邮购列表，预计可以产生几百万美元的收益。
    ·检测欺诈行为是 神经网络 应用最多的领域之一。威世、万事达等许多信用卡公司利用神经网 络发现个人账户上的异常情况。据估计，由于 神经网络 的应用为万事达公司节省了5 000多万美元。
    ·许多保险公司(如Cigna、AIG、Travelers、Liberty Mutual、Hartford公司)和国家赔偿基金管理机构以及其他一些承保公司利用 神经网络 软件识别欺诈行为。系统根据账单支付、医疗 检查以及办公室访问次数等数据来发现各种模式。例如，如果外科医生的诊断是踝部扭伤，而医疗检查却提出检查心电图，那么 神经网络 将会认定此项检查为异常情况，并将此报告给账务经理。
    ．FleetBoston金融公司利用 神经网络 观测与顾客的交易情况。 神经网络 可以检测出顾客对公司不满意的模式。它也可以找出诸如交易量减少或重要顾客的账户金额减少之类的迹象。所有上述情况都属于 模式识别 的范畴。它们通过辨认(或)类来预测结果或输出。由于 神经网络 可以从大量信息中发现模式，因此，经常称之为预测系统。
4．7。1深入 神经网络
    神经网络 之所以被这样命名是因为它们试图模拟人类大脑的结构和功能。从概念上来讲， 神经网络 是由三层虚拟神经细胞，即神经元组成。这三层分别是输入层、输出层以及处于它们之间的隐含层。隐含层也可能多于一层。输入层和输出层通过强度不同的权重与中间层连接(见图4-8)。如果人们想训练某个 神经网络 用来识别“好”的股票投资组合，就要输入许许多多好的和坏的投资组合数据，并告诉 神经网络 哪个是好的，哪个是坏的。在 神经网络 学习区分好坏的过程中，权重也在不断地改变，输出层的输出信息也在变化。为系统输入足够多的范例之后，权重逐渐稳定下来。据此， 神经网络 就可以正确区分投资组合的好坏了。