Neuraaliverkot ovat monimutkaisia laskennallisia malleja, joita käytetään usein kuvioiden tunnistamiseen. Koska hermoverkot on mallinnettu aivojen biologisiin toimintoihin, ne pystyvät ”oppimaan” ja ennustamaan tuloksia. Neuroverkkoja on monia käytännön käyttötarkoituksia ennustamiseen, mukaan lukien taloudelliset laskelmat, sääennusteet ja lääketieteellinen diagnoosi.
Keinotekoiset hermoverkot ennustamiseen ovat ihmisen aivojen innoittamia. Biologisissa aivoissa monet pienet prosessointiyksiköt, joita kutsutaan neuroneiksi, on kytketty suureen verkkoon. Jokainen yksittäinen käsittelyalue on suhteellisen yksinkertainen, mutta koko verkko pystyy ratkaisemaan monimutkaisia ongelmia, kun jokainen neuroni toimii yhdessä. Kunkin pienen neuronin väliset yhteydet voidaan konfiguroida uusiksi verkkomalleiksi. Tämä antaa aivojen järjestyä uudelleen ja “oppia” uusia käsitteitä.
Ihmisen aivojen tapaan keinotekoinen hermoverkko sisältää monia pieniä prosessoreita ja yhteyksiä, jotka voidaan konfiguroida uudelleen. Tutkijat Walter Pitts ja Warren McCulloch kuvasivat ensimmäisen kerran käsitettä keinotekoisten neuronien käytöstä vuonna 1943. Tätä tieteellistä työtä laajeni ja julkisti pian kuuluisa tekoälyn edelläkävijä Alan Turing, joka kirjoitti keinotekoisista hermoverkkoista vuonna 1948 julkaistussa julkaisussa ”Intelligent Machinery”. . ”
Taloudellinen laskeminen on yksi yleisimmistä hermoverkkojen käytöistä ennustamiseen. Pohjimmiltaan hermoverkkoa käytetään matemaattisena “suodattimena” ennustamaan tulos käytettävissä olevien taloudellisten tietojen perusteella. Tätä ominaisuutta käytetään usein osakemarkkinoiden ennusteohjelmistossa. Tässä sovelluksessa tietokone käsittelee aiempia markkinatrendejä. Kun kuvio on luotu, hermoverkko laskee, nouseeko vai laskeeko kanta tulevaisuudessa.
Neuraaliverkkoja voidaan käyttää myös yksilön tai yrityksen luottoluokituksen määrittämiseen. Kuten osakkeiden ennustamisessa, mallin tunnistus on avain. Verkosto voi ottaa huomioon tuhansia aiempia luotonsaajia ja analysoida niiden taloushistoriaa. Löydettyään aiempia suuntauksia, hermoverkot ennustamiseen voivat arvioida, mitkä uudet hakijat todennäköisesti maksavat luottonsa. Nämä henkilöt saavat korkean riskin luottoluokituksen ennusteen perusteella.
Samoin hermoverkkoja voidaan käyttää sääennusteisiin. Verkkoon voidaan syöttää monia erilaisia ympäristötekijöitä, kuten lämpötila ja tuulen virtaukset. Käyttämällä aiempiin ilmastomalleihin perustuvaa ennustusmallia hermoverkko voi määrittää nykyisten sääolosuhteiden todennäköisen tuloksen.
Neuraaliverkkojen käyttö ennustamiseen voi myös auttaa ratkaisemaan tiettyjä lääketieteellisiä ongelmia. Ihmiskeho on hyvin monimutkainen, ja kymmeniä tai jopa satoja tekijöitä voi yhdessä aiheuttaa sairauden. Hermoverkot pystyvät joskus päättämään oireen lähteen. Tässä sovelluksessa keinotekoinen verkko voi löytää trendejä ja malleja aiemmista potilastietueista ja ennustaa todennäköisimmän syyn sairauteen.