Общие сетевые проблемы, в которых Neural Networks могли бы помочь

Ответ 1

Чтобы назвать несколько:

• Любая система рекомендаций (будь то фильмы, книги или целевая реклама).
• Системы, в которых вы хотите адаптировать поведение к пользовательским настройкам (например, обнаружение спама)
• Задачи распознавания (обнаружение вторжений)
• Задачи, ориентированные на компьютерное зрение (классификация изображений для поисковых систем и индексов, обнаружение определенных объектов)
• Задачи обработки естественного языка (классификация документов/статей, поисковые системы и т.п.)

Ответ 2

Игра, расположенная в 20q.net, является одной из моих любимых сетевых нейронных сетей. Вы могли бы адаптировать эту идею, чтобы создать систему обучения, которая знает, как играть в простую игру, и медленно учится тому, как побеждать в ней людей. Когда он играет противников, он записывает данные о игровых ситуациях, о принятых мерах и о том, выиграл ли NN игру. Каждый раз, когда он играет, выигрывает или проигрывает, он становится немного лучше. (Примечание: не пробуйте это с помощью слишком простой игры, такой как шашки, чересчур простая игра может иметь всевозможную игру/комбинацию заранее рассчитанных ходов, которая поражает цель использования NN).

Можно рассмотреть любую классификационную систему, основанную на нескольких критериях. Я слышал о какой-то компании, разрабатывающей NN, которая рассматривает записи сотрудников и определяет, какие из них наименее удовлетворены или, скорее всего, уйдут.

Нейронные сети также хороши для выполнения определенных типов обработки языка, в том числе OCR или преобразования текста в речь. Попробуйте создать систему, которая может расшифровывать capchas либо из графического представления, либо из представления звука.

Ответ 3

Если вы просматриваете лома или принимаете информацию о продажах других сайтов для сравнения цен, NN может использоваться для отметки возможных ошибок в описании товара для человека, а затем для глазного яблока.

Часто, как один пример, описания аппаратного обеспечения компьютера неправильны в том, в какой емкости, скорости, характеристиках, которые изображены. Ваш NN узнает, что обычно видеокарта не должна содержать строку "Raid 10". Если есть тенденция добавления Raid к графическим процессорам, то ваш NN узнает об этом со временем, когда я получаю рекламу, чтобы научить NN, это теперь новый класс аппаратного обеспечения.

Этот пример оборудования может быть распространен на другие отрасли.

Ответ 4

Игнорирование запроса угла "Обычные сетевые проблемы", но скорее "интересный поворот".

Один из многих способов, которым NN можно просматривать/настраивать, - это гигантский саморегулирующийся, многопозиционный, многорежимный тип управления потоком данных.

Итак, если вы хотите предложить совпадения, которые являются нечеткими (не путать напрямую с нечеткой логикой как таковой, которая является еще одной областью математики/вычисления), NN может предложить полезную альтернативу.

Итак, чтобы сэкономить энергию, вы предлагаете клубный клуб, одноразовые или регулярные поездки. Люди входят туда, где они есть, куда они хотят пойти и в какое время. Сортировка по городу и отображение в режиме контроля.

Используя NN, вы со временем можете предлагать владельцам транспортных средств для перевозки ищущих людей, наблюдая за тем, что связывают владельцы и искатели. Поскольку владелец не может жить в том же пригороде, в котором проживает искатель. NN учится со временем, какие отклонения в владельцах, искатели физического местоположения кажутся приемлемыми. Таким образом, он может расширить область поиска, предлагая потенциальным владельцам убежища.

Идея.

Ответ 5

• Веб-реклама, основанная на прогнозе потребительского выбора

• Прогнозирование направления просмотра веб-страниц пользователя в микро-шкале и очень короткий срок (текущий сеанс). Эта идея очень похожа, обобщение на первое. Пользовательский веб-браузер может предлагаться с предложениями с другими потенциально интересными веб-сайтами. Предложения могут быть релевантными в соответствии с прогнозом, рассчитанным в режиме реального времени во время активности пользователя. Например, список предлагаемых ссылок или категорий или тегов может отображаться в виде облака, а размер шрифта указывает оценку ранга. Каждый щелчок пользователя делает входной сигнал в систему прогнозирования, поэтому прогноз постоянно уточняется, чтобы предоставить пользователю максимально точные предложения с точки зрения соответствия интересам пользователей.

Ответ 6

Поиск! Признать! Классифицировать! В основном все поисковые системы в настоящее время могут извлечь выгоду из дозы нейронных сетей и нечеткой логики. Это относится, в частности, к мультимедийному контенту (например, к индексированию содержимого изображений и видео), так как те из них, где текущие технологии поиска отстают.

Ответ 7

Одна вещь, которая меня всегда поражает, заключается в том, что у нас по-прежнему нет псевдо-интеллектуальной технологии брандмауэра. Что-то, что говорит "эй его диапазон URL-адресов делает слишком много запросов, когда они не должны", блокирует их и отправляет отчет администратору. Это можно сделать с помощью нейронной сети.

В отвратительной части вещей некоторые производители вирусов могут найти выгодные способы использования нейронных сетей. Адаптивные трояны, которые "узнали" номера кредитных карт на жестком диске (вместо поиска определенных файлов cookie) или "узнали", как автоматически маскировать себя от детекторов.

Ответ 8

Я с удовольствием пытался внедрить бота на основе нейронной сети для Diplomacy настольной игры, взаимодействующей через DAIDE. Это оказалось чрезвычайно сложным, поэтому я обратился к XCS, чтобы упростить эту проблему.

Ответ 9

Предположим, что EBay использует нейронные сети, чтобы предсказать, насколько вероятен какой-то конкретный предмет для продажи; предсказать, какой лучший день для списка предметов этого типа будет, предложите стартовую цену или "купите сейчас цену"; или оценить свое описание, исходя из того, насколько вероятно привлечь покупателей? Все они могут быть полезными функциями, если они работают достаточно хорошо.

Ответ 10

Как подключить пользователей к ближайшему DNS и убедиться, что между запросом и пунктом назначения существует как можно меньше отскоков?

Ответ 11

• Рекомендация друзей в социальных приложениях (Linkedin, facebook и т.д.)

Ответ 12

Нейронные сетевые приложения отлично подходят для представления дискретных выборов и всего поведения того, как действует индивид (или как действуют группы людей), когда он дергается в Интернете.

Возьмите, например, чтение новостей:

В прежние времена вы обычно выбирали одну газету (выбор), выбирали раздел (выбор), просматривали страницу и выбирали статью (выбор), а также читали основы или всю статью (другую выбор).

Теперь вы выбираете, какой новостной сайт посещать и продолжать, как описано выше, но теперь вы можете отбросить одну бумагу, забрать другую, нажать на рекламу, изменить разделы и продолжить работу с небольшими ограничениями.

Все использование Интернета и выбор людей, основанных на их демографии, интересах, опыте, политике, времени суток, местоположении и т.д., являются очень богатой областью применения NN. Это особенно актуально для новостных организаций, дизайна веб-страниц, доходов от рекламы и может быть даже в исследуемой области.

Конечно, очень сложно предсказать, что будет делать один человек, но поставит 10 000 из них одного возраста, дохода, пола, времени суток и т.д. вместе, и вы сможете предсказать поведение, которое приведет к лучшим проектам. Представьте себе газету (или даже игру), которая может быть масштабирована для потребностей людей на основе демографических данных. Мечта о рекламе!