人工ニューラルネットワークの実世界応用
Widrow, Rumelhart and Lehrは、ほとんどのANN応用は次の3つに分類されると主張しています。
- パターン分類、
- 制御と最適化です。
予測と財務分析、および
実際には、多くの金融および予測アプリケーションがパターン分類を含むため、それらの分類はあいまいである。 方法によってアプリケーションを分ける好ましい分類は次のとおりです:
- Classification
- Time Series and
- Optimization.Classification problem involves either binary decisions or multiple-class identification in which observations are separated into categories according to specified
Characteristics.
クラシフィケーション問題は、バイナリ決定または複数クラスの識別を含む。 これらは通常、クロスセクショナルデータを使用します。 これらの問題を解決するには、データ セット内のパターンを「学習」し、これらのパターンを認識できるモデルを構築する必要があります。 この種の商用人工ニューラルネットワークのアプリケーションには、
- Eurocard Nederland、Mellon Bank、First USA Bank などで使用されているとされるクレジットカード詐欺の検出が含まれます。 Calera Recognition System の FaxGrabber や Caere Corporation の Anyfax OCR エンジンなど、人気の WinFax
- Pro や FaxMaster などの製品にライセンスされている FAX ソフトウェアによって利用される光学式文字認識 (OCR) などです。
- NEC Versapad、東芝 Dynapad などの既存のメモ帳で動作する Lexicus2 Corporation の Longhand プログラムで使用されている草書体の手書き認識。 また、
- Neuromedical Systems Inc.が開発した子宮頸部（パパニコロー）塗抹標本検査システム「Papnet 3」。 また、Science Applications International Corporation (SAIC) が開発した Thermal Neutron Analysis (TNA) (より一般的には SNOOPE) と呼ばれるニューラル ネットワークのアプローチによるスーツケースの中の爆弾の検出も行われている。
時系列問題では、ANNは過去のデータセットから予測モデルを構築し、将来のデータポイントを予測することが要求される。 その結果、この種の問題では入力データの順序がデータの1つのパターンと次のパターンの関係を決定するのに重要であるため、比較的高度なANN技術が必要とされる。 これは時間効果として知られており、有限インパルス応答（FIR）タイプのANNやリカレントANNなど、この種の問題に特に対処するためのより高度な技術が開発・研究されている。 シティバンク・ロンドン、オーストラリア香港銀行 ;
心電図の出力波から心筋梗塞を予測/確認する …