Abstract
רשתות נוירונים מלאכותיות (Networks Neural Artificial – ANN) הם מודלים ממוחשבים המחקים את תהליך הלמידה של המוח האנושי. במקור, רשתות נוירונים שימשו לצורך אמידה של פונקציות. עידן נתוני העתק הביא את רשתות הנוירונים לקדמת הבמה בשל יכולתן לגלות באופן אוטומטי דפוסים ותבניות בתוך כמויות אדירות של נתונים שגישות אנליטיות ויוריסטיות מתקשות להתמודד איתן. בשילוב עם זמינותם הגוברת של מעבדים חזקים וזולים, רשתות הנוירונים הפכו לפתרון האולטימטיבי למנעד רחב של בעיות עסקיות ומדעיות בתחומים שונים. אבל למרות ההילה, תהליך היישום של רשתות נוירונים לפתרון בעיות עסקיות ומדעיות לא חף מבעיות, חלקן נובעות מהעובדה שאין לרשתות נוירונים תשתית תיאורטית בדומה למודלים מבוססי רגרסיה, וחלקן מהאופי והמבנה של הבעיות העסקיות. במאמר זה נסקור מקצת מן הקשיים ביישום רשתות נוירונים לפתרון בעיות בחיזוי אנליטי לצורך איתור קהלי יעד לשיווק מוצרים ושירותים בשיווק ישיר (״טירגוט״). כמו כן, נסקור גם את היתרונות של שימוש ברשת נוירונים לבעיות טירגוטונשווה את ביצועי רשת הנוירונים לאלה המבוססים על רגרסיה לוגיסטית. נסיים בסקירה קצרה של נושא הלמידה העמוקה (learning Deep) שמהווה את הדור הבא של רשתות הנוירונים, ושימושיה החדשניים במגוון תחומי מחקר בתעשייה. (מתוך המאמר)
| Translated title of the contribution | Neural networks - from theory to practice |
|---|---|
| Original language | Hebrew |
| Pages (from-to) | 80-103 |
| Number of pages | 24 |
| Journal | חידושים בניהול |
| Volume | 12 |
| State | Published - 2023 |
IHP Publications
- ihp
- Deep learning (Machine learning)
- Direct marketing
- Economic forecasting
- Marketing
- Mathematical models
- Neural networks (Computer science)