Модель нейрона. Алг. ее работы.Искуст. нейрон. сети.

Искуст. нейрон имитирует в первом приближении св-ва биологич. нейрона.Множ-во входных сигналов поступают на исск. нейрон.Сигналы умножаются на соответств. им вес и поступает на суммирующий блок,кот. складывает входы алгебраически,создавая выход,кот. преобраз-ся с пом-ю интегратора в сигнал выхода нейрона.Виды иск. нейрон.сетей:однослойные-простейшая сеть,сост. из группы нейронов,образующих слой. Многослойные –приводят к увеличению вычислит-ной мощности,обладают большими вычислит возмож-тями. Нейронная сеть-обобщенное название групп-алгоритмов,кот. умеют обучаться на примерах,извлекая скрытые закономер-ти из потока данных.Решают задачи:распознавание чел. речи,абстрактных образов,упр-е финанс. потоками,решение аналитич,исслед,прогнозных задач.В наст. время использ-ся нейросетевой пакет Brain Maker Pro B12,кот. адаптирована для банковских и торговых компаний,для аналитич. учреждений верхних эшалонов власти.Отличит. черта нейрон.сетей-спос-ть изменять свое поведение в зависим-ти от изменения внешней среды,извлекая скрытые законом-ти из потока данных.СВ-ВА нейросет. технол.:1)спос-ть обуч-ся на конкретном множ-ве примеров,2)умение стабильно распознавать,прогнозироватьб новые ситуации.При использовании такой технологии,работа строится в несколько этапов:1)четкое определение проблемы, 2)определение и подготовка исходных данных для реализации нейросетев. тех-гии3)вводи данных в сис-му,их подготовка,создание файлов для тренировки и тестирования,4)выбирают тип нейросетевой тех-гии и методы ее обучения.

34. Использование иск. интелекта в эк-ке.Интелектуал.анализ данных(ИАД).Управление знаниями. В наст. время использ-ся нейросетевой пакет Brain Maker Pro B12,кот. адаптирован для банковских и торговых компаний.ИАД-процесс поддержки принятия решений,основанный на поиске данных скрытых закономерностей.Стадии ИАД:1.Свободный поиск-выявляет закономер-ти условной логики,асоциативной логики,выявление трендов и колебаний.2.Прогностическое моделирование-использует выявленные закономер-ти для предсказания неизвестных значений и прогнозирования хода событий. 3.Анализ исключений-анализирует исключения(необходима для выявления и толкования аномалий в найденной закономерности.Иногда в явном виде выделяют промежуточную стадию-проверка достоверности найденной закономерности м/у их нахождением и использованием-валидация Методы ИАД:1)непосредственное использование обучающих данных-рассуждения на основе анализа прецендента.2)выявленное использование формализованных закономерностей-методы прос-табуляции,методы вывода уравнений(статистика,нейронные сети),методы логической индукции.При 1 методе используемые данные могут храниться в явном детализ-ом виде и использоваться для прогностического моделирования либо анализа исключений.Проблемой этой группы методов является затрудненность их использования под большим объемом инф-ии.Хотя при анализе больших хранилищ данных такой метод приносит наибольшую пользу.При втором методе инф. извлекается из первичных данных и преобраз-ся в некоторые формальные конструкции,кот. компактны и с помощью их мы можем польз-ся инструкциями прозрачными (интерпритируемыми) или черными ящиками(необъяснимые)

Дата добавления: 2015-10-21