Η ιδέα του Τεχνητού Νευρωνικού Δικτύου (Τ.Ν.Δ.) προήλθε από την επιστήμη της Βιολογίας και την ανάγκη επίλυσης πολύπλοκων προβλημάτων με μεγάλη ταχύτητα. Προσπάθειες μίμησης της ανοχής σε βλάβες και εξόρυξης γνώσης μέσα από τα βιολογικά νευρωνικά δίκτυα, σε συνδυασμό με την εμπειρία που υπήρξε από τα Έμπειρα Συστήματα οδήγησαν στην ανάπτυξη των Τ.Ν.Δ. Βασικά χαρακτηριστικά τους είναι η μη γραμμικότητα, η ταχύτητα, η ανοχή σε σφάλματα και η γενίκευση. Με την μη γραμμική μοντελοποίηση υλοποιούνται εξαιρετικά πολύπλοκες λειτουργίες.
Επίσης, τα Τ.Ν.Δ. για να πετύχουν υψηλές ταχύτητες λειτουργούν όπως τα συστήματα παράλληλων κατανεμημένων διεργασιών με την διαφορά ότι οι νευρώνες λειτουργούν ανεξάρτητα ο ένας από τον άλλο και δε χρειάζονται συγχρονισμό, λόγω της ανοχής που έχουν στα σφάλματα. Στόχος των νευρωνικών δικτύων είναι να βρεθεί μια λύση στο πρόβλημα ακόμα κι αν αυτή περιέχει κάποιο σχετικά μικρό σφάλμα. Επιπρόσθετα, τα Τ.Ν.Δ. μπορούν να κάνουν γενίκευση σε νέες τιμές δεδομένων, γι’ αυτό και μπορούν να χρησιμοποιηθούν σε εφαρμογές για πρόβλεψη.
Στην παρούσα εργασία έγινε μελέτη για την πρόβλεψη των αποτελεσμάτων ποδοσφαιρικών αγώνων με την χρήση του εργαλείου Weka, το οποίο ενσωματώνει αλγορίθμους κατάταξης, που βασίζονται σε νευρωνικά δίκτυα και όχι μόνο. Στόχος ήταν να γίνει μελέτη στον τρόπο με τον οποίο συμβάλλουν τα δεδομένα εισόδου στις προβλέψεις και ποιος αλγόριθμος μπορεί να πετύχει τις πιο σωστές προβλέψεις. Έτσι γίνεται μια σύγκριση του multilayer perceptron που χρησιμοποιούν τα Τ.Ν.Δ στο πρόγραμμα Weka με άλλους αλγορίθμους κατάταξης ως προς τον τρόπο πρόβλεψης των αποτελεσμάτων των αγώνων ποδοσφαίρου του Αγγλικού πρωταθλήματος.
TEI of West Macedonia
