Kiến thức Kinh tế

Mạng nơ-ron nhân tạo (Neural Network) là gì? Ứng dụng của Mạng nơ-ron nhân tạo

17:23 | 08/04/2020

Chia sẻ

Mạng nơ-ron nhân tạo (tiếng Anh: Neural Network) là một chuỗi các thuật toán được đưa ra để nỗ lực tìm kiếm các mối quan hệ cơ bản trong một tập hợp dữ liệu, thông qua quá trình bắt chước cách thức hoạt động của bộ não con người.
Mạng nơ-ron nhân tạo (Neural Network) là gì? Ứng dụng của Mạng nơ-ron nhân tạo  - Ảnh 1.

Hình minh họa. Nguồn: Investopedia

Mạng nơ-ron nhân tạo

Khái niệm

Mạng nơ-ron nhân tạo trong tiếng Anh là Neural Network.

Mạng nơ-ron nhân tạo là một chuỗi các thuật toán được đưa ra để nỗ lực tìm kiếm các mối quan hệ cơ bản trong một tập hợp dữ liệu, thông qua quá trình bắt chước cách thức hoạt động của bộ não con người. 

Theo nghĩa này, mạng nơ-ron nhân tạo được xem như hệ thống các tế bào thần kinh nhân tạo, có thể là hữu cơ hoặc nhân tạo về bản chất. 

Mạng nơ-ron nhân tạo có thể thích ứng với các thay đổi trong đầu vào, do đó, nó đưa ra các kết quả tốt nhất có thể mà không cần phải thiết kế lại các tiêu chí đầu ra. 

Khái niệm mạng nơ-ron nhân tạo có nguồn gốc từ trí tuệ nhân tạo, đang nhanh chóng trở nên phổ biến trong sự phát triển của các hệ thống giao dịch điện tử.    

Đặc điểm Mạng nơ-ron nhân tạo 

Mạng nơ-ron nhân tạo trong tài chính, hỗ trợ phát triển các qui trình như dự báo chuỗi thời gian, các giao dịch thuật toán, phân loại chứng khoán, các mô hình rủi ro tín dụng và xây dựng các chỉ báo độc quyền và các công cụ phái sinh giá cả.  

Mạng nơ-ron nhân tạo hoạt động tương tự như mạng nơ-ron của con người. Một "nơ-ron thần kinh" trong mạng nơ-ron nhân tạo là một hàm toán học có chức năng thu thập và phân loại thông tin theo một cấu trúc cụ thể. 

Mạng nơ-ron nhân tạo có sự tương đồng chuẩn mạnh với các phương pháp thống kê như các đồ thị đường cong và phân tích hồi qui.  

Mạng nơ-ron nhân tạo chứa các lớp bao hàm các nút (node) được liên kết với nhau. Mỗi nút là một tri giác (hay một nơ-ron nhân tạo), cấu tạo tương tự như một hàm hồi qui đa tuyến tính. 

Tri giác sẽ cung cấp tín hiệu được tạo bởi hàm hồi qui đa tuyến tính, tạo thành một hàm kích hoạt (có thể là phi tuyến).   

Trong một tri giác đa lớp (MLP), các tri giác sẽ được sắp xếp theo các lớp liên kết với nhau. Lớp đầu vào thu thập các mẫu đầu vào, và lớp đầu ra nhận các phân loại hoặc tín hiệu đầu ra mà các mẫu đầu vào có thể phản ánh. 

Ví dụ, mô hình có thể có đầu vào là một danh sách các đại lượng chỉ báo kĩ thuật về một chứng khoán nhất định, kết quả đầu ra tiềm năng có thể là các đề xuất "Mua", "Giữ" hoặc "Bán".       

Ứng dụng của Mạng nơ-ron nhân tạo 

Mạng nơ-ron nhân tạo được sử dụng rộng rãi ở nhiều lĩnh vực, có thể ứng dụng cho tài chính, lập kế hoạch doanh nghiệp, giao dịch, phân tích kinh doanh và bảo trì sản phẩm. 

Mạng nơ-ron nhân tạo cũng được sử dụng rộng rãi trong các hoạt động kinh doanh như dự báo và tìm kiếm giải pháp nghiên cứu tiếp thị, phát hiện gian lận và đánh giá rủi ro.   

Mạng nơ-ron nhân tạo có thể đánh giá dữ liệu giá và khai quật các cơ hội giao dịch dựa trên phân tích dữ liệu lịch sử. 

Mạng nơ-ron nhân tạo cũng có thể phân biệt sự phụ thuộc phi tuyến lẫn nhau của đầu vào mà các mô hình phân tích kĩ thuật khác không thể làm được. 

Tuy nhiên, tính chính xác trong việc sử dụng mạng nơ-ron nhân tạo để đưa ra dự đoán giá cho cổ phiếu là khác nhau. 

Một số mô hình dự đoán giá cổ phiếu chính xác 50 đến 60% thời gian, trong khi những mô hình khác có tính chính xác lên đến 70% trong tất cả các trường hợp.

(Theo Investopedia)

Lê Thảo