看着电脑认为

神经网络常用今天来分析复杂的数据 — — 例如在遗传信息中找到疾病的线索。最终，虽然，没有人知道这些网络是如何工作到底。这就是为什么弗劳恩霍夫研究人员开发出软件，使他们能够看着这些黑箱，分析它们的功能。研究人员将从 3 月 20 至 24，2017 年开始 （大厅 6、 展位 B 36） 汉诺威 cebit 提出他们的软件。

夫琅和费 HHI 分析软件使用算法可视化复杂的学习过程 （示意图）。

软件确认哪些参数神经网络用来做出决定。

它是对任何领域中，如文本、 图像和信号数据自动处理，利用神经网络估计兴趣浓厚。

例如，该软件可以分析复杂的生产数据和推断出哪些参数是产品质量或可能出现的偏差的决定性因素。

排序的电脑上的照片用来将枯燥的工作。今天，你只需点击的人脸识别，并立即得到选择你的女儿或儿子的照片。计算机已经非常擅长分析大量的数据和寻找某些结构，比如图像中的脸。这由神经网络，已发展成为既定和复杂的 IT 分析方法 （见框，”如何神经网络功能”）。

问题是，它并不只是研究人员谁一步一步走，目前不知道究竟如何神经网络函数或者为什么他们到达一个结果或另一种。神经网络，在某种意义上，黑箱 — — 计算机程序可靠地人们进给的值，返回的结果。如果你想要教一个神经网络，例如，要认识到猫，然后你指示系统由喂它数以千计的猫的图片。就像一个小的孩子，慢慢地学会区分猫和狗，神经网络，也学会了自动。”在许多情况下，虽然，研究人员很少关心结果中更有兴趣是什么神经网络确实 — — 如何到达的决定，”博士沃伊切赫 · Samek，机器学习小组在夫琅和费海因里希 · 赫兹研究所 HHI 在柏林团长说。所以 Samek 和他的团队，与同事们从柏林工大，合作开发一种方法，它使观看认为神经网络。

机器学习可以定制的癌症治疗

这是重要的例如，在检测疾病。我们今天已有能力养活病人的遗传数据到计算机 — — 或神经网络 — — 然后分析病患有某些遗传疾病的概率。”但它会更有趣，知道精确的特点程序依据其决定，”Samek 说。它可能是某些病人有 — — 的遗传缺陷，这些，反过来，可能是一个可能的目标针对个别病人的癌症治疗。

神经网络在反向

研究者的方法使他们能够观赏的神经网络在反向工作︰ 倒退，他们通过该程序工作从结果开始。”我们可以看到到底在哪里一组特定的神经元做出某些决定，和如何强烈这一决定影响的结果，”Samek 说。研究人员已经赫然展示了 — — 多次 — — 这个方法行得通。例如，他们比较了两个程序，并公开在互联网上，都能够认识到图像中的马。其结果是令人惊讶。第一个程序实际上承认马的机构。第二个，然而，侧重对照片的版权符号，它指向论坛对于马爱好者，或骑马和育种协会，使之能够实现很高的成功率，即使它从未学过什么马看起来像。

在大数据中的应用

Samek 说:”所以你可以看到要了解究竟如何这种网络功能，是多么的重要”。这方面的知识也是行业特别感兴趣。”它是可以想像的例如，可以分析复杂的生产厂的经营数据，来推断哪些参数影响产品质量或导致其波动，”他说。本发明也是有趣的很多其他应用程序涉及大型或复杂的数据卷的神经分析。”在另一个实验中，我们都能显示哪些参数网络使用来决定是否一张脸出现年轻还是年老。”

根据 Samek，很长时间银行甚至一直使用神经网络来分析银行客户的信用能力。要做到这一点，大量的客户数据是收集和评估的一种神经网络。”是否我们知道如何网络到达它的决定，我们可以减少数据量从一开始就通过选择相关的参数，”他说。这肯定将客户的利益，太。在从 3 月 20 至 24，到 2017 年，汉诺威 CeBIT 博览会 Samek 的团队的研究人员将展示如何使用他们的软件来分析的神经网络 — — 黑箱和如何这些网络可以推断出一个人的年龄或性别从他们的脸上，或认识到动物。