داده کاوی به عنوان مهمترین روش برای انبار کردن داده ها شناخته شده است که به وسیله آن می توان داده های موجود را آنالیز کرده و از روندهای احتمالی و الگوهای مخفی داده ها آگاه شد. مراحل داده کاوی به این صورت است که ابتدا به بانک اطلاعاتی نیاز داریم تا با انتخاب روش مناسب داده کاوی به اطلاعات هدف دسترسی داشته باشیم، با پردازش مقدماتی به اطلاعات پردازش نشده پرداخته و آنها را منتقل می کنیم. پس از داده کاوی الگوهای اطلاعاتی را بررسی و آنالیز کرده و به دانش سازمانی می رسیم.
داده کاوی تکنیک های متفاوتی دارد که شبکه عصبی مصنوعی یکی از آنها می باشد. این روش یک الگوی ریاضی مبنی بر سیستم زیستی است که به منظور بهینه سازی و آموزش آزادانه بر اساس مفاهیم الهام گرفته از مغز استفاده می شود. به طور کلی در این روش داده کاوی ماشینی را طراحی می کنند تا روشی مشابه مغز انسان را برای انجام یک سری وظایف خاص انجام دهد.
شبکه عصبی مصنوعی مقوله ای بسیار پیچیده است که قابلیت های فراوانی مانند استخراج الگوها و شناسایی روشهایی که آگاهی از آنها برای انسان و دیگر تکنیک های کامپیوتری بسایر پیچیده و دشوار به کار گرفته می شود. از یک شبکه عصبی تربیت یافته می توان برای تجزیه و تحلیل داده ها استفاده کرد.
بخش مهم در شبکه عصبی مصنوعی “آموزش” است. این روش به دستورات کاملا مشخص و صریحی نیاز ندادرد بلکه باید مانند انسان قابلیت یادگیری داشته باشد. آموزش شبکه عصبی راههای گوناگونی دارد مانند تغذیه با الگوهای آموزشی و اجازه دادن برای تغییر وزن ها طبق قوانین آموزشی. راه دیگر استفاده از مجموعه ای از ورودی و خروجی ها باشد به این صورت که از ورودی های مستقیم و فرآیندی خروجی های مورد نظر را ایجاد کرد. یادگیری نظارت شده، بدون نظارت و تقویتی از دیگر روش ها هستند.
بررسی نرم افزارهای داده کاوی این توانایی را ایجاد می کند که مدلی عالی با قیمت ارزان داشته باشیم. این نرم افزارها مناسب شرکت های مهم هستند که قصد خرج بوجه بیش از حد ندارند اما به قدرت تجزیه و تحلیل کسب و کار نیاز دارند. به طور کلی روش شبکه عصبی به تحقیقات گسترده نیاز دارد.


ثبت پروژه