Tehnologia
Solutiile noastre folosesc tehnologie proprietara AMAN™ implementata de Neural Technologies.
AMAN™ este o retea meta neurala cu capacitate de auto-dezvoltare care combina mai multe tipuri de arhitecturi neurale. Poate face fata unui volum mare de date, atat numerice cat si simbolice, si poate fi instalata de pe un PC desktop pe un client/server, mainframe sau prin intermediul unui mijloc alternativ de distributie cum este Internetul. Prezinta posibilitati de adaptare pentru un numar mare de domenii si functionalitati.
Ce sunt retelele neurale ?
Retelele neurale sunt elemente de hardware si software care incearca sa emuleze modelele de procesare existente in creierul uman.
Domenii de utilizare:
- previziune bonitatii clientilor institutiilor financiare
- detectarea fraudelor la cardurile bancare(utilizata de VISA)
- evaluarea preturilor politelor de asigurari
- prognoze meteo
- depistarea minelor pe baza caracteristicilor solului
- previziunea valorii obligatiunilor
- previziunea momentelor de cumparare/vânzare a actiunilor
Mai corect spus retelele neurale, caracterizeaza ansambluri de elemente de procesare simple, puternic inteconectate si operând in paralel, care urmaresc sa interactioneze cu mediul inconjurator intr-un mod asemanator creierelor biologice si care prezinta capacitatea de a invata.
Structura
Desi se aseamana in functionare cu creierul uman, retelele neurale au o structura diferita. O retea neurala este mult mai simpla decât corespondentul uman, dar la fel ca si creierul uman, este compusa din unitati puternice de calcul.
Caracteristici ale retelelor neurale
Retelele neurale se pot caracteriza pe baza a 3 elemente:
- modelul adoptat pentru elementul de procesare individual,
- structura particulara de interconexiuni(arhitectura)
- mecanismele de ajustare a legaturilor(algoritmii de invatare).
Algoritimi de invatare
Principala deosebire a retelelor neurale fata de alte tehnologii bazate pe inteligenta artifciala oconstituie capacitatea de invatare in urma interactiunii cu mediul inconjurator, si imbunatatirii performantelor. O reprezentare corecta a informatiilor, care sa permita interpretarea, predictia, si raspunsul la un stimul extern, poate permite retelei sa construiasca un model al procesului analizat.
Acest model va putea raspunde astfel unor stimuli neutilizati in procesul prealabil de invatare. Informatiile utilizate in procesul de invatare pot fi : informatii disponibile a priori sau perechi intrare-iesire(care stabilesc relatii de tipul cauza-efect), iar modul de reprezentare interna urmareste un set de regului bine documentate.
La nivel mondial este cunoscut ca cele mai performante modele de scoring si risk management sunt dezvoltate utilizand deopotriva inteligenta artificiala dar si puterea de analiza si profesionalismul expertului uman.
Scorecard-urile dezvoltate de Neural Risk Management folosesc deopotriva puterea si acuratetea retelelor neurale dar si expertiza profesionistilor in domeniu, de aceea calitatea produselor intruneste cele mai inalte standarde in domeniu.
Neural computing: puncte forte
- Un instrument rapid si adaptabil;
- Necesita un timp de dezvoltare mult mai scurt decat sistemele conventionale;
- Este instrumentul cel mai potrivit pentru identificarea de modele si tendinte dintr-o mare varietate de tipuri si volume de date;
- Calitate sporita.
Produsele dezvoltate cu ajutorul tehnologiei neurale si a experientei apreciabile a Neural Technologies se caracterizeaza prin capacitati avansate de administrare a datelor si rezultate de inalta precizie.
Retelele neurale, caracterizeaza ansambluri de elemente de procesare simple, puternic inteconectate si operand in paralel.