Neural Network (เครือข่ายประสาท) เป็นชุดของอัลกอริทึมที่พยายามจดจำความสัมพันธ์พื้นฐานในชุดบันทึกข้อมูล ผ่านกระบวนการที่เลียนแบบวิธีที่สมองมนุษย์ทำงาน ในความหมายนี้ Neural Networks หมายถึงระบบของเซลล์ประสาท (Neurons) ไม่ว่าจะเป็นอินทรีย์หรือเทียม
Neural Networks เป็นเทคนิควิเคราะห์ที่สร้างแบบจำลองตามกระบวนการเรียนรู้ (สมมติ) ในระบบปัญญา (Cognitive System) และฟังก์ชันทางประสาทวิทยา (Neurological Functions) ของสมอง และสามารถทำนายการสังเกตใหม่ (บนตัวแปรเฉพาะ) จากการสังเกตอื่นๆ หลังจากดำเนินกระบวนการที่เรียกว่า "การเรียนรู้" (Learning) จากข้อมูลที่มีอยู่ Neural Networks เป็นหนึ่งในเทคนิค Data Mining
ขั้นตอนการทำงาน
- ออกแบบสถาปัตยกรรมเครือข่ายเฉพาะ: กำหนดจำนวน "Layers" (ชั้น) แต่ละชั้นมีจำนวน "Neurons" (โหนด) เฉพาะ ขนาดและโครงสร้างต้องตรงกับลักษณะ (เช่น ความซับซ้อนทางการเป็นทางการ) ของปรากฏการณ์ที่สืบสวน เนื่องจากไม่รู้จักดีในขั้นต้น งานนี้จึงไม่ง่าย และมักเกี่ยวกับ "Trial and Error" หลายครั้ง
- ขั้นตอนการฝึกอบรม (Training): โหนดประสาทใช้กระบวนการซ้ำ (Iterative Process) กับจำนวน Inputs (ตัวแปร) เพื่อปรับน้ำหนัก (Weights) ของเครือข่าย เพื่อทำนายได้เหมาะสมที่สุด (Fit) กับข้อมูลตัวอย่างที่ Training ทำงาน หลังเรียนรู้จากชุดข้อมูลที่มีอยู่ เครือข่ายใหม่พร้อม และสามารถใช้สร้างการทำนายได้
คุณสมบัติหลัก
1. Power (พลัง)
Neural Networks เป็นเทคนิคการสร้างแบบจำลองที่ซับซ้อน (Sophisticated) พอที่จะสร้างแบบจำลองฟังก์ชันที่ซับซ้อนมาก (Extremely Complex Functions) โดยเฉพาะ Neural Networks เป็น Non-linear (ไม่เชิงเส้น) หลายปี Linear Modeling เป็นวิธีที่ใช้กันทั่วไปในโดเมนการสร้างแบบจำลองส่วนใหญ่ เพราะ Linear Models มีกลยุทธ์ Optimization ที่รู้จักดี
2. Ease of Use (ความง่ายในการใช้งาน)
Neural Networks เรียนรู้จากตัวอย่าง (Learn by Example) ผู้ใช้รวบรวมข้อมูลที่เป็นตัวแทน (Representative Data) แล้วเรียกใช้ Oligorithms การฝึกอบรมเพื่อเรียนรู้โครงสร้างข้อมูลอัตโนมัติ แม้ผู้ใช้ต้องมีความรู้ היュอริสติก (Heuristic Knowledge) บางอย่างเกี่ยวกับการเลือกและเตรียมข้อมูล, เลือก Neural Network ที่เหมาะสม, และตีความผลลัพธ์ ระดับความรู้ที่ต้องการเพื่อใช้ Neural Networks สำเร็จ ต่ำกว่ามากเมื่อเทียบกับวิธีสถิติไม่เชิงเส้นแบบดั้งเดิม (Traditional Nonlinear Statistical Methods)
การประยุกต์ใช้
Neural Networks ได้รับความสนใจมากในไม่กี่ปีที่ผ่านมา และใช้สำเร็จในโดเมนปัญหากว้างขวาง เช่น การเงิน (Finance), การแพทย์ (Medicine), วิศวกรรม (Engineering), 地质学 (Geology), ฟิสิกส์ (Physics)
