Neuronske mreže su složeni računski modeli koji se često koriste za prepoznavanje uzoraka. Budući da su neuronske mreže modelirane prema biološkim funkcijama mozga, one su sposobne “učiti” i predvidjeti rezultate. Postoje mnoge praktične upotrebe neuronskih mreža za predviđanje, uključujući financijski izračun, vremensku prognozu i medicinsku dijagnozu.
Umjetne neuronske mreže za predviđanje inspirirane su ljudskim mozgom. U biološkom mozgu mnoge male procesne jedinice zvane “neuroni” povezane su u veliku mrežu. Svako pojedinačno područje obrade relativno je jednostavno, ali cijela mreža može riješiti složene probleme kada svaki neuron radi zajedno. Veze između svakog malog neurona mogu se rekonfigurirati u nove mrežne obrasce. To omogućuje mozgu da se reorganizira i “nauči” nove koncepte.
Poput ljudskog mozga, umjetna neuronska mreža sadrži mnogo malih procesora i veza, koje se mogu rekonfigurirati. Koncept korištenja umjetnih neurona prvi su opisali znanstvenici Walter Pitts i Warren McCulloch 1943. godine. Ovaj znanstveni rad ubrzo je proširio i objavio poznati pionir umjetne inteligencije Alan Turing, koji je 1948. pisao o umjetnim neuronskim mrežama u publikaciji pod naslovom “Intelligent Machinery .”
Financijski izračun jedna je od najčešćih upotreba neuronskih mreža za predviđanje. U suštini, neuronska mreža se koristi kao matematički “filter” za predviđanje ishoda na temelju dostupnih financijskih podataka. Ova se značajka često koristi u softveru za predviđanje burze. U ovoj aplikaciji računalo obrađuje prethodne tržišne trendove. Nakon što se uspostavi obrazac, neuronska mreža izračunava hoće li dionica rasti ili pasti u budućnosti.
Neuronske mreže također se mogu koristiti za određivanje kreditnog rejtinga pojedinca ili tvrtke. Kao i kod predviđanja dionica, prepoznavanje uzoraka je ključ. Mreža može uzeti u obzir tisuće prošlih primatelja kredita i analizirati njihovu financijsku povijest. Pronalaženjem prošlih trendova, neuronske mreže za predviđanje mogu procijeniti koji novi kandidati vjerojatno neće platiti kredit. Ove osobe dobivaju kreditnu ocjenu visokog rizika na temelju predviđanja.
Slično, neuronske mreže se mogu koristiti za vremensku prognozu. Mnogi različiti čimbenici okoliša kao što su temperatura i struje vjetra mogu se unijeti u mrežu. Koristeći model prognoze koji se temelji na prethodnim klimatskim obrascima, neuronska mreža može odrediti vjerojatni rezultat trenutnih vremenskih uvjeta.
Korištenje neuronskih mreža za predviđanje također može pomoći u rješavanju određenih medicinskih problema. Ljudsko tijelo je vrlo složeno, a deseci ili čak stotine čimbenika mogu se kombinirati da izazovu zdravstveno stanje. Neuronske mreže ponekad mogu zaključiti izvor simptoma. U ovoj aplikaciji umjetna mreža može pronaći trendove i obrasce iz prethodnih zapisa pacijenata i predvidjeti najvjerojatniji uzrok bolesti.