Page 112 - 物聯網金融商機
P. 112
104
路 (Artificial Neural Network) 模型組成單元包括輸入層、輸出
層和隱藏層。而最著名的是倒遞迴 (back-propagation) 學習模
型，倒傳遞類神經網路 (Back-Propagation Neural Network，
BPNN) 是具有多層型網路來模仿生物神經網路能力的計算系
統，它在輸入與輸出節點之間加入一些隱藏層，以便能處理
XOR 邏輯閘的問題。ANFIS 是以模糊推論系統 (Fuzzy Infer-
ence System，FIS) 為主的神經網路架構，因此它具備能夠調
整模式參數來處理不確定性的能力，這就是一種自我組織學習
能力。
以人工智慧來取代具有創造力的工作已是趨勢，因為智慧
演算法已具有創造力的能力，例如：自然語言處理 (Natural
Language Processing， NLP) 在使電腦能模擬人類語言 的能
力，它是人工智慧和語言學領域的結合。模糊系統為結合模糊
集合理論、模糊推論以及模糊 if-then 規則的推論系統，它包
括模糊化 (fuzzifier)、模糊規則庫 (fuzzy rules)、隸屬函數
(membership function data)、推論引擎 (inference engine) 及解
模糊化 (defuzzifier) 等步驟。遺傳演算法以達爾文進化論概念
來發展出一個可以讓電腦自我演化並發現最佳化的過程。
貝氏決策樹演算法
「貝氏決策樹」理論的基礎為貝氏定理和決策樹，並進一
步考慮所獲得決策之評核價值，但評核價值在整個結果未確定
前很難確知，故決策者對所欲獲取之評核價值，應於評核資訊
收集之前，分析此一評核價值所能產生之影響為著眼點，亦即
計算該評核價值對最適策略所產生的期望值增額，然後比較期
望值增額與搜集該評核資訊所需成本，作為是否蒐集該項評核
