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。
由于神经网络和专家系统都是接收输入并就输入的情况属于哪一类做出回答的系统，因此，读者可能会问，它们之间有何区别呢?我们知道，专家系统也可以进行分类，它根据要推出的结论提出问题，由问题的回答进行诊断或提出建议。它们之间的区别就是专家系统必须严格按照规则实施，而不能进行自我调节。例如，一个检测信用卡欺诈行为的专家系统，有这样一项规则：如果某类账户的购买价值超过一定的数量，则为这一交易作标志。据此，专家系统对即使超过规定量1分钱的交易也会做上标志。另一方面，神经网络可以学习了解持卡人的消费行为，并且可以评价购买量与规定量之间的偏差，看其是否大到能引起怀疑的程度。神经网络甚至可以适用于训练样本中没有出现的情况。例如，如果在神经网络的学习过程中抵押贷款利率的范围是在6到10个百分点之间，那么如果利率降到了5个百分点，系统会插入新语句。
神经网络具有许多优点，例如，它可以：
·独立学习并适应新环境，
·适于大规模并行处理，
·可以在具有不完整或不良结构信息的情况下进行工作，
·能够处理变量之间具有依赖性的大量信息，
·可以分析信息中的非线性关系，并被称为特别回归分析(fancyregressionanalysis)系统。
当前，神经网络面临最大的问题是隐含层的隐蔽性。也就是说，我们不知道神经网络是如何学习的，神经元之间是如何相互作用的。一些新型的神经网络不再隐藏中间层。用户可以人为地调整这些系统的权重或连接状况，从而使用户具有更多的灵活性和支配权。
4．7．2模糊逻辑
模糊逻辑是一种基于不明确的或含糊的信息得出结论的方法。由于不是每种信息都能被区分并归入互不相交的类别中，因此人类往往是在大概的信息的基础上做出决策。例如，你可能认为华氏温度20度是非常冷，40度是冷，60度是温暖，90度是热，105度是非常热。但是，你却无法用精确的数值来对感觉温暖(或不温暖)的程度进行分类。困难之处在于存在以下事实：其他一些人的体验很可能与你是不同的：从主观上看，使一些人感觉温暖的温度，对另一些人而言很可能是热的——或是凉爽的。因此，你需要一种方法将大概的或含糊的判断标准转换成计算机能处理的数据，计算机只能处理用精确数字描述的事件。在这种情境下，模糊逻辑就非常有效了。
模糊逻辑是一种处理不精确的或主观的信息的数学方法。基本方法是将0—1之间的数字分配给不精确的或主观的信息。程度越高，就越接近1。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。一个模糊逻辑算法是一组步骤，它将代表着不精确的信息或个性感知的各个变量联系起来。
模糊逻辑与神经网络经常结合在一起，以一种可能简化问题和应用规则的形式表达复杂的和主观的概念。规则是在某种确定性程度下执行的。这非常类似于，但是却不等同于统计学中的置信度概念。在统计学中，概率是用来估计某种结果的可能性的，而模糊逻辑所描述的是用来具体化主观感知的数据点本身。
在商业世界中，模糊逻辑已经应用于财务分析、制药业、木材加工和金属切割行业、防死锁刹车的制造以及机器清洗等领域。例如，在机器清洗中能自动识别使用多少水和清洗多长时间(将一直清洗直到水“干净”为止)。在会计和财务领域中，模糊逻辑支持使用在经济学分析中非常重要的主观财务价值(比方说，像商誉这样的重要无形资源)来分析信息。
Google使用模糊逻辑来搜索用户想找的内容，用户的搜索词是很有意义的，因为对某一主题的感知通常会影响用户在查询时所使用的措词，所以Google据此来选择并传送相关的网页。
