Студопедия
Случайная страница | ТОМ-1 | ТОМ-2 | ТОМ-3
АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатика
ИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханика
ОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторика
СоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансы
ХимияЧерчениеЭкологияЭкономикаЭлектроника

Экономические задачи, решаемые средствами нейросетевых технологий

Читайте также:
  1. II Цель, задачи, функции и принципы портфолио.
  2. А каково вообще отношение Патриархии к Интернету и к развитию информационных технологий?
  3. Автоматизация графических работ средствами AutoCAD
  4. Активное использование проектных и исследовательских технологий в образовательном процессе.
  5. Анализ результатов использования образовательных технологий
  6. Взаимодействие с лекарственными средствами
  7. Взаимодействие с лекарственными средствами

Одним из наиболее интересных приложений нейронных сетей в последние годы стали именно задачи финансовой деятельности. На рынке появляется огромное количество как универсальных нейропакетов, которые зачастую используются для решения задач технического анализа, так и специализированных экспертных систем и нейропакетов для решения многих других, зачастую более сложных и трудно формализуемых задач из финансовой области. В настоящее время имеет место широкое появление на отечественном рынке компьютеров и программного обеспечения нейропакетов и нейрокомпьютеров, предназначенных для решения финансовых задач. Те банки и крупные финансовые организации, которые уже используют нейронные сети для решения своих задач, понимают, насколько эффективным средством могут быть нейронные сети для задач с хорошей статистической базой, например при наличии достаточно длинных временных рядов, в том числе и многомерных.

Нейросетевые технологии оперируют биологическими терминами, а методы обработки данных получили название генетических алгоритмов, реализованных в ряде версий нейропакетов, известных в России. Это профессиональные нейропакеты Brain Maker Professional v.3.11 и Neurofo-rester v.5.1, в которых генетический алгоритм управляет процессом общения на некотором множестве примеров, а также стабильно распознает и прогнозирует новые ситуации с высокой степенью точности даже при появлении противоречивых или неполных знаний.

К основным преимуществам нейронных сетей можно отнести:

- способность обучаться на множестве примеров в тех случаях, когда неизвестны закономерности развития ситуации и функции зависимости между входными и выходными данными. В таких случаях (к ним можно отнести до 80% задач финансового анализа) пасуют традиционные математические методы;

- способность успешно решать задачи, опираясь на неполную, искаженную и внутренне противоречивую входную информацию;

- эксплуатация обученной нейронной сети по силам любым пользователям;

- нейросетевые пакеты позволяют исключительно легко подключаться к базам данных, электронной почте и автоматизировать процесс ввода и первичной обработки данных;

- внутренний параллелизм, присущий нейронным сетям, позволяет практически безгранично наращивать мощность нейросистемы, т.е. сверхвысокое быстродействие за счет использования массового параллелизма обработки информации;

- толерантность к ошибкам: работоспособность сохраняется при повреждении значительного числа нейронов;

- способность к обучению: программирование вычислительной системы заменяется обучением;

- способность к распознаванию образов в условиях сильных помех и искажений.
Алгоритм решения задачи

Любая работа с нейросетью начинается с определения задач (1 этап), которые она должна решать, т.е. с определения функций выходов.

Вопрос о построении сети решается в два этапа:

• выбор архитектуры сети (число входов, передаточные функции; способ соединения входов между собой; что взять в качестве входов и выходов сети);

• подбор весов (обучение) сети.

Вторым и наиболее важным этапом является определение состава входов. Нейросеть умеет отсеивать незначимые входы, но каждый "лишний" вход утяжеляет сеть, затрудняет обучение, а главное снижает качество прогноза.

Выбор типа нейросетевой технологии и метода ее обучения можно выделить в самостоятельный этап.

Следующим этапом является этап подготовки данных.

Последними этапами можно считать проведение тестирования нейросети и ее запуск для получения прогнозов и оценка результатов.

Перечислим основные классы задач, возникающих в финансовой области, которые эффективно решаются с помощью нейронных сетей:

• прогнозирование временных рядов на основе нейросетевых методов обработки;

• страховая деятельность банков;

• прогнозирование банкротств на основе нейросетевой системы распознавания;

• определение курсов облигаций и акций предприятий с целью инвестирования;

• применение нейронных сетей к задачам биржевой деятельности;

• прогнозирование экономической эффективности финансирования инновационных проектов;

• предсказание результатов займов;

• оценка платежеспособности клиентов;

• оценка недвижимости;

• рейтингование;

• общие приложения нейронных сетей и пр.

 


Дата добавления: 2015-08-21; просмотров: 429 | Нарушение авторских прав


Читайте в этой же книге: Информатизация общества, основные факторы и тенденции развития | Электронное правительство. Цели и задачи | Рынок информационных ресурсов, продуктов и услуг, его государственное регулирование | АИС, их виды и структура | Техническое обеспечение. Состав и пути развития | Информационные технологии в экономике, их виды и структура | Автоматизированные информац. технологии в биржевом деле | Понятие и структура экономической информации | Информационное обеспечения. Системы классификации и кодирования | Проектирование документации |
<== предыдущая страница | следующая страница ==>
Технология использования табличного редактора| Информационные технологии экспертных систем

mybiblioteka.su - 2015-2024 год. (0.007 сек.)