carrot carrot carrot Change Centers x cognizanti collaborators create-folder Data Science Decisive Infrastructure download download edit Email exit Facebook files folders future-of-work global sourcing industry info infographic linkedin location Mass Empowerment Mobile First our-latest-thinking pdf question-mark icon_rss save-article search-article search-folders settings icon_share smart-search Smart Sourcing icon_star Twitter Value Webs Virtual Capital workplace Artboard 1

Vänligen besök sidan Åtgärder mot Covid-19, för information och råd för att hantera krisen idag och i morgon

Sverige

No Results.

Did you mean...

Or try searching another term.

Neuronnät

Vad är ett neuronnät?

Ett neuronnät, även kallat neuralt nätverk (neural network), är en metodik eller en uppsättning algoritmer som fungerar på samma sätt som en mänsklig hjärna. Det använder djupinlärningstekniker för att känna igen mönster och drar slutsatser utan mänsklig inblandning.

Neuronnät, en typ av maskininlärning, lär sig och förfinar resultat över tid. Det kan organiskt lära sig och modellera komplexa, icke-linjära relationer. Det kan också hitta genvägar, vilket är mycket värdefullt vid stor dataanalys. Neuronnät kan uttyda samband och reparera sig själv när data saknas eller fel uppstår.

Vad är affärsnyttan med neuronnät?

Ett djupt neuronnät erbjuder flera fördelar. Dessa kan exempelvis:

  • Upptäcka bedrägerier. I flera branscher hjälper neuronnät till att förhindra bedrägerier genom att upptäcka och skicka varningar om bedrägliga system.
  • Fördjupa kundrelationerna. Företag kan använda neuronnät för att bättre identifiera kundsegment, rikta sina marknadsförings- och säljarinsatser och avgöra varför kunder kanske väljer deras konkurrenter.
  • Förfina marknadsföringsinitiativ. Evolutionära neuronnätsapplikationer kan användas för att skapa segmentspecifika marknadsföringskampanjer. Till exempel:
    • I detaljhandeln kan de göra prognoser exaktare, vilket ger en bättre bild av vilka produkter som köptes en viss dag, hur många gånger och vilka kombinationer av produkter som köpts oftast.
    • Inom finans kan de tillhandahålla exaktare prognoser för växel- och aktiekurser, samt göra det möjligt för banker att erbjuda lån baserat på insamlad statistisk data.
    • På tillverkningsgolv kan de analysera data från maskiner, sensorer, fyrar och kameror för att övervaka och optimera anläggningsprocesser.
    • Inom försäkringsbranschen gör de det möjligt för försäkringsgivare att segmentera sina kunder för marknadsföring, prissättning och riskändamål.

TILLBAKA TILL

ORDLISTA