2012, IJARCSSE All Rights Reserved

2012, IJARCSSE All Rights Reserved Page | 283
Fig 13 Taxonomy of Network Architecture [4]
V. Applications
There are various business applications of artificial neural network. Every sector in this world want a system which is itself intelligent to solve any problem according to the inputs. In this paper we have discussed various Business Applications which are listed below:- [4,6,7]
1) Airline Security Control.
2) Investment Management and Risk Control.
3) Prediction of Thrift Failures.
4) Prediction of Stock Price Index.
5) OCR Systems.
6) Industrial Process Control.
7) Data Validation.
8) Risk Management.
9) Target Marketing.
10) Sales Forecasting.
11) Customer Research.
The above applications have ability to predict any type of problem by its own with the help Artificial Neural Network phenomenon with the help of various algorithms like Perception Learning Algorithm, Back Propagation Algorithm, SOM Learning Algorithm and ART1 Learning Algorithm . [4,6,7]
VI. Limitations of Artificial Neural Network
In this technological era every has Merits and some Demerits in others words there is a Limitation with every system which makes this ANN technology weak in some points. The various Limitations of ANN are:- [6]
1) ANN is not a daily life general purpose problem solver.
2) There is no structured methodology available in ANN.
3) There is no single standardized paradigm for ANN development.
4) The Output Quality of an ANN may be unpredictable.
5) Many ANN Systems does not describe how they solve problems. 6) Black box Nature 7) Greater computational burden. 8) Proneness to over fitting. 9) Empirical nature of model development.
VII. Conclusion and Future works
By studying artificial Neural Network we had concluded that as per as technology is developing day by day the need of Artificial Intelligence is increasing because of only parallel processing. Parallel Processing is more needed in this present time because with the help of parallel processing only we can save more and more time and money in any work related to computers and robots. If we talk about the Future work we can only say that we have to develop much more algorithms and other problem solving techniques so that we can remove the limitations of the Artificial Neural Network. And if the Artificial Neural Network concepts combined with the Computational Automata and Fuzzy Logic we will definitely solve some limitations of this excellent technology.

ผลลัพธ์ (ไทย) 1:

2012, IJARCSSE หน้าสงวนกรุนด์ฟอส 283รูปที่ 13 ระบบภาษีของสถาปัตยกรรมเครือข่าย [4]V. ใช้งานมีโปรแกรมธุรกิจต่าง ๆ ของโครงข่ายประสาทเทียม ทุกภาคส่วนในโลกนี้ต้องการระบบซึ่งตัวเองเป็นอัจฉริยะในการแก้ปัญหาตามปัจจัยการผลิต ในเอกสารนี้ เราได้กล่าวถึงโปรแกรมประยุกต์ทางธุรกิจต่าง ๆ ที่แสดงด้านล่าง: - [4,6,7]1) สายการบินการควบคุมความปลอดภัย2) บริหารและควบคุมความเสี่ยง3) คาดเดาของ Thrift ความล้มเหลว4) ทำนายของดัชนีราคาหุ้น5) ระบบ OCR6) การควบคุมทางอุตสาหกรรม7) ตรวจสอบข้อมูลบริหารความเสี่ยงที่ 8)9) เป้าหมายด้านการตลาด10) การคาดการณ์การขาย11) วิจัยลูกค้าการใช้งานข้างต้นมีความสามารถในการทำนายชนิดของปัญหาโดยตนเอง ด้วยความช่วยเหลือโครงข่ายประสาทเทียมปรากฏการณ์ของอัลกอริทึมต่าง ๆ เช่นอัลกอริ ทึมการเรียนรู้ อัลกอริ ทึมการเผยแพร่กลับ SOM อัลกอริ ทึมการเรียนรู้ และ ART1 อัลกอริ ทึมการเรียนรู้ใด ๆ [4,6,7]VI. ข้อจำกัดของโครงข่ายประสาทเทียมในยุคของเทคโนโลยีนี้ทุกมีนิทานชาดกต่าง ๆ บางคนอื่น ๆ มีคำเป็นข้อจำกัด ด้วยทุกระบบซึ่งทำให้แอนน์นี้เทคโนโลยีอ่อนแอในบางจุด มีข้อจำกัดต่าง ๆ ของ ANN: - [6]1) แอนไม่ใช่การแก้ปัญหาวัตถุประสงค์ทั่วไปชีวิตประจำวัน2) มีวิธีการไม่มีโครงสร้างอยู่ในแอน3) มีไม่มีกระบวนทัศน์มาตรฐานเดียวสำหรับแอนพัฒนา4) ผลผลิตคุณภาพของแอนอาจคาดไม่ถึง5) แอนหลายระบบไม่ได้อธิบายวิธีแก้ปัญหา 6) กล่องดำธรรมชาติ 7) ภาระคำนวณมากขึ้น 8) proneness จะเหมาะสมกว่า 9) ธรรมชาติเชิงประจักษ์รุ่นพัฒนาVII. ข้อสรุปและอนาคตการทำงานโดยการศึกษาโครงข่ายประสาทเทียม เราได้สรุปว่า ตามมีการพัฒนาเทคโนโลยีนับวัน ความต้องการของปัญญาประดิษฐ์เพิ่มขึ้นเนื่องจากการประมวลผลแบบขนานเท่านั้น การประมวลผลแบบขนานเพิ่มเติมจำเป็นในเวลานี้อยู่ เพราะ ด้วยความช่วยเหลือของการประมวลผลแบบขนาน เท่านั้นเราสามารถประหยัดเวลาและเงินมาก ขึ้นในการทำงานใด ๆ ที่เกี่ยวข้องกับคอมพิวเตอร์และหุ่นยนต์ ถ้าเราพูดถึงการทำงานในอนาคต เราบอกได้เพียงว่า เรามีการพัฒนาอัลกอริทึมมากและปัญหาอื่น ๆ แก้เทคนิคเพื่อให้เราสามารถลบข้อจำกัดของเครือข่ายประสาทเทียม และถ้ารวมแนวคิดโครงข่ายประสาทเทียมกับการคำนวณออโตมาตาและตรรกศาสตร์ เราจะแก้ปัญหาข้อจำกัดบางประการของเทคโนโลยีนี้ดีแน่นอน

ผลลัพธ์ (ไทย) 2:

2012, IJARCSSE สงวนลิขสิทธิ์หน้า | 283
รูปที่ 13 อนุกรมวิธานของสถาปัตยกรรมเครือข่าย [4]
โวลต์ การประยุกต์ใช้งาน
มีการใช้งานทางธุรกิจต่างๆของเครือข่ายประสาทเทียม ภาคในโลกนี้ทุกคนต้องการให้ระบบซึ่งเป็นตัวที่ชาญฉลาดในการแก้ปัญหาใด ๆ ตามปัจจัยการผลิตที่ ในบทความนี้เราได้กล่าวถึงการประยุกต์ทางธุรกิจต่างๆที่มีการระบุไว้ดังต่อไปนี้: - [4,6,7]
1) สายการบินควบคุมความปลอดภัย.
2) การบริหารจัดการการลงทุนและการควบคุมความเสี่ยง.
3) การทำนายความล้มเหลวของทริฟท์.
4) การคาดการณ์สต็อกดัชนีราคา .
5) ระบบ OCR.
6) การควบคุมกระบวนการอุตสาหกรรม.
7) การตรวจสอบข้อมูล.
8) การบริหารความเสี่ยง.
9) เป้าหมายการตลาด.
10) การพยากรณ์การขาย.
11) งานวิจัยของลูกค้า.
โปรแกรมดังกล่าวข้างต้นมีความสามารถที่จะคาดการณ์ประเภทของปัญหาใด ๆ โดยตัวของมัน ของตัวเองด้วยความช่วยเหลือปรากฏการณ์โครงข่ายประสาทเทียมด้วยความช่วยเหลือของขั้นตอนวิธีการต่างๆเช่นการรับรู้การเรียนรู้ขั้นตอนวิธีการขยายพันธุ์กลับขั้นตอนวิธีการเรียนรู้ขั้นตอนวิธีการ SOM และ art1 การเรียนรู้ขั้นตอนวิธี [4,6,7]
VI ข้อ จำกัด ของโครงข่ายประสาทเทียม
ในยุคเทคโนโลยีนี้ทุกคนมีคุณธรรมและ demerits บางส่วนในคำพูดของคนอื่น ๆ ที่มีข้อ จำกัด กับระบบซึ่งจะทำให้เทคโนโลยีนี้ ANN อ่อนแอในบางจุดที่ทุก ข้อ จำกัด ต่างๆของแอนคือ: - [6]
1) แอนไม่ได้แก้ในชีวิตประจำวันปัญหาอเนกประสงค์.
2) ไม่มีวิธีการที่มีโครงสร้างที่มีอยู่ในแอน.
3) ไม่มีกระบวนทัศน์มาตรฐานเดียวสำหรับการพัฒนาแอน.
4) คุณภาพผลผลิตของ ANN อาจจะคาดเดาไม่ได้.
5) ANN ระบบจำนวนมากไม่ได้อธิบายว่าพวกเขาแก้ปัญหา 6) กล่องสีดำธรรมชาติ 7) การคำนวณภาระมหานคร 8) proneness เกินกระชับ 9) ธรรมชาติเชิงประจักษ์ของการพัฒนารูปแบบ.
ปกเกล้าเจ้าอยู่หัว สรุปและอนาคตการทำงาน
โดยการศึกษาโครงข่ายประสาทเทียมที่เราได้ข้อสรุปว่าเป็นต่อเป็นเทคโนโลยีที่มีการพัฒนาในแต่ละวันความต้องการของปัญญาประดิษฐ์ที่เพิ่มขึ้นเนื่องจากการประมวลผลแบบขนานเท่านั้น ประมวลผลแบบขนานเป็นสิ่งจำเป็นมากขึ้นในเวลาปัจจุบันนี้เพราะด้วยความช่วยเหลือของการประมวลผลแบบขนานเดียวที่เราสามารถประหยัดเวลามากขึ้นและค่าใช้จ่ายในการทำงานใด ๆ ที่เกี่ยวข้องกับคอมพิวเตอร์และหุ่นยนต์ ถ้าเราพูดคุยเกี่ยวกับการทำงานในอนาคตเราสามารถพูดได้ว่าเรามีการพัฒนาอัลกอริทึมมากขึ้นและการแก้ปัญหาเทคนิคอื่น ๆ เพื่อให้เราสามารถลบข้อ จำกัด ของประสาทเทียมเครือข่าย และถ้าแนวคิดโครงข่ายประสาทเทียมรวมกับคอมพิวเตอร์ออโตและระบบ Fuzzy Logic แน่นอนเราจะแก้ปัญหาข้อ จำกัด บางประการของเทคโนโลยีที่ยอดเยี่ยมนี้

ผลลัพธ์ (ไทย) 3:

2012 , ijarcsse สงวนลิขสิทธิ์ | 283 หน้ารูปที่ 13 อนุกรมวิธานของสถาปัตยกรรมเครือข่าย [ 5 ]โวลต์ การใช้งานมีการใช้งานธุรกิจต่างๆของโครงข่ายประสาทเทียม ทุกภาคส่วนในโลกนี้ต้องการระบบที่ตัวเองฉลาดที่จะแก้ปัญหาไปตามข้อมูล ในบทความนี้เราได้กล่าวถึงโปรแกรมประยุกต์ทางธุรกิจต่าง ๆ ซึ่งมีการระบุไว้ด้านล่าง : - [ 4,6,7 ]1 ) การควบคุมการรักษาความปลอดภัยสายการบิน2 ) การลงทุนการจัดการและการควบคุมความเสี่ยง3 ) การพยากรณ์ thrift ความล้มเหลว4 ) การพยากรณ์ดัชนีราคาหุ้น5 ) ระบบ OCR .6 ) การควบคุมกระบวนการผลิตทางอุตสาหกรรม7 ) การตรวจสอบข้อมูล8 ) การบริหารจัดการความเสี่ยง9 ) การตลาดเป้าหมาย10 ) การขายการพยากรณ์11 ) งานวิจัยลูกค้าโปรแกรมข้างต้นมีความสามารถในการทำนายประเภทของปัญหาใด ๆด้วยตัวของมันเองด้วยความช่วยเหลือของแบบจำลองโครงข่ายประสาทเทียม ปรากฏการณ์ด้วยความช่วยเหลือของขั้นตอนวิธีการต่างๆเช่นการรับรู้การเรียนรู้ขั้นตอนวิธี ขั้นตอนวิธีอัลกอริทึมการเรียนรู้ชนิดแพร่กลับ , ซึ่งติดตามทิศทางการเคลื่อนที่ของเส้นโครงร่างการเรียนรู้ขั้นตอนวิธี [ 4,6,7 ]vi . ข้อจำกัดของโครงข่ายประสาทเทียมในยุคเทคโนโลยีนี้ทุกคนมีความดีและบาง demerits ในคำอื่น ๆมีข้อจำกัดกับทุกระบบซึ่งทำให้แอนเทคโนโลยีอ่อนแอในบางจุด ข้อจำกัดต่าง ๆ ของแอน : - [ 6 ]1 ) แอนไม่ใช่ชีวิตประจำวันทั่วไปวัตถุประสงค์นักแก้ปัญหา2 ) ไม่มีวิธีการที่มีโครงสร้างของแอน3 ) ไม่มีมาตรฐานเดียว กระบวนทัศน์การพัฒนา แอน4 ) ผลผลิตที่มีคุณภาพของ แอนอาจจะคาดเดาไม่ได้5 ) ระบบแอนมากไม่ได้อธิบายถึงวิธีแก้ไขปัญหา 6 ) กล่องสีดำธรรมชาติ 7 ) มากกว่า การคำนวณภาระ 8 ) คุณลักษณะในคนที่มักก่อให้เกินเหมาะสม 9 ) ลักษณะเชิงประจักษ์ของการพัฒนาแบบจำลอง7 . บทสรุปและการทำงานในอนาคตจากการศึกษาสรุปได้ว่าแบบจำลองโครงข่ายประสาทเทียม เราก็ต่อเป็นเทคโนโลยีมีการพัฒนาทุกวันต้องประดิษฐ์เพิ่ม เพราะเพียงการประมวลผลแบบขนาน . การประมวลผลแบบขนานเป็นสิ่งจำเป็นในเวลานี้ เพราะด้วยความช่วยเหลือของการประมวลผลแบบขนานเท่านั้น เราสามารถประหยัดเวลามากขึ้นและเงินในการทำงานใด ๆที่เกี่ยวข้องกับคอมพิวเตอร์และหุ่นยนต์ ถ้าเราพูดคุยเกี่ยวกับการทำงานในอนาคต เราสามารถพูดได้เพียงว่า เราต้องพัฒนาอัลกอริทึมมากขึ้นและปัญหาอื่น ๆและเทคนิคเพื่อให้เราสามารถลบข้อ จำกัด ของโครงข่ายประสาทเทียม และถ้าโครงข่ายประสาทเทียมแนวคิดรวมกับออโตมาตาคำนวณและตรรกศาสตร์เราจะแก้ข้อจำกัดของเทคโนโลยีที่ยอดเยี่ยมนี้