За сравнительно короткое время были построены нейрокомпьютеры для распознавания речи и изображений, для задач классификации в биологии и диагностики в медицине и многих, многих других применений. А поскольку задачи распознавания и классификации во многом близки задачам ситуационного моделирования, довольно скоро появились нейросистемы, адаптированные для прогнозирования и краткосрочных предсказаний. И когда точность прогнозирования, устойчиво достигаемая нейросетевыми пакетами на реальных задачах, превысила 95% - в очередь за нейросистемами встали и финансисты.
Если у вас в ушах уже зазвучал шаманский бубен, а в глазах запрыгали отблески грядущих "черных вторников" - расслабьтесь. Нейронные сети в том виде, как их сегодня применяют банкиры, бизнесмены и военные, это не "черные ящики", раздающие туманные предсказания, а вполне конкретные (и даже серийно выпускаемые) программные пакеты и специализированные многопроцессорные системы. Их использование проще всего пояснить на ряде примеров.
Финансовая корпорация Citicorp применяет крупный специализированный нейрокомпьютер для анализа и краткосрочного предсказания колебаний курсов валют. В соответствии со статистикой, собранной за год использования нейрокомпьютера, совокупная точность предсказаний превзошла результаты самых опытных брокеров корпорации. Важно заметить, что нейрокомпьютеры в основном используются не столько для предсказания биржевых крахов (хотя и для них тоже) сколько для выполнения огромных объемов рутинной - но весьма ответственной - работы по ежедневной, ежечасной, а зачастую и ежеминутной коррекции валютных котировок на ведущих мировых биржах.
Chemical Bank ведет активные финансовые операции на валютных биржах 23 стран. Ежедневно в аналитический отдел банка со всего мира стекается информация о тысячах сделок, совершенных брокерами банка. Проанализировать (и даже просмотреть) ее всю практически невозможно. Поэтому в банке развернута крупная программная система фирмы Neural Data, которая осуществляет предварительную обработку информации, "отфильтровывая" подозрительные сделки. С ними-то и работают эксперты аналитического отдела, определяя, что двигало брокером в каждом случае - излишний азарт, недостаток опыта или элементарная недобросовестность.
Финансовая компания LBS Capital Management, установив в своем аналитическом отделе небольшой нейрокомпьютер, добилась существенного повышения точности предсказания биржевых индексов S&P 500 по сравнению с используемыми ранее пакетами статистического анализа.
Консультативная фирма George Pugh специализируется на оценке финансового состояния различных фирм по заказам банков и кредитных компаний. После установки и настройки нейропакета стоимостью $1500, фирма добилась практически 100% совпадения своих предварительных оценок с результатами последующих детальных аудиторских проверок.
Фирма Richard Borst, торгующая недвижимостью, применяет предельно дешевый ("университетский") нейропакет для уточнения оценки выставляемых на продажу домов и квартир. Как свидетельствуют старожилы фирмы, внедрение нейропакета (стоимостью всего $300!) увеличило оборот фирмы в Нью-Йорке и Пенсильвании на 6%.
Мой приятель Джим - журналист-аналитик, работающий в "информационной империи" McGraw-Hill. Весь его офис стоит менее $2000, помещается в кармане и состоит из портативного palmtop-компьютера, факс-модема и нейропакета Brain Maker. Ежедневно Джим подключается к необъятным базам данных McGraw-Hill и при помощи специальной утилиты DataMaker "просеивает" через свой нейропакет мегабайты финансовой, экономической и прочей информации. После нескольких минут яростного перемалывания тысяч и тысяч разнородных цифровых параметров, нейропакет выдает (кстати, в виде изящных таблиц Excel) прогноз ряда макроэкономических индикаторов - на завтра, на неделю и на месяц вперед. Попытка проделать такой объем аналитической работы вручную (даже с использованием вспомогательных программ корреляционного анализа), наверное, привела бы беднягу на больничную койку в первый же день.
В новом американском боевике "The Clear And Present Danger", повествующем о микровойне спецназа США против колумбийской наркомафии, можно насчитать около пяти явных примеров применения нейронных сетей администрацией Президента (разумеется, их президента) - в распознавании голоса и речи, в ситуационном моделировании и управлении "интеллектуальной" бомбой.
Можно привести многие тысячи подобных примеров. В мире сейчас известно более 100 фирм, специализирующихся на нейронных сетях и их коммерческих применениях. Только в США таких фирм более 70. Мировой рынок нейросетевых продуктов стабильно растет не менее чем на 40% в год и в 1994 году составил около 600 млн. долларов. При этом основной объем средств, вкладываемых в индустрию нейронных сетей, приходится не на дорогостоящие уникальные образцы, а на широкий спектр серийных изделий. Так например, фирма California Scientific Software продала уже в общей сложности 20 тысяч нейропакетов и нейрокомпьютеров по цене от $300 до $50000.
Таким образом, можно констатировать, что в последнее десятилетие западный мир пережил настоящую революцию в использовании нейросетевых продуктов. Увы, можно также заключить, что эта революция совершенно не коснулась нашей страны. Так, по данным автора, в банках и финансовых компаниях России применяются сегодня 42 крупных банковских программных системы и лишь 3 из них включают в себя средства анализа и прогнозирования финансовых тенденций. (Впрочем, положение уже начало меняться - как минимум два московских банка активно осваивают мощные нейропакеты). А как вы думаете, сколько банков Запада такими средствами обладают? Правильно, все. Каждый западный банк, каждая финансовая компания и большинство крупных промышленных фирм имеют в своем распоряжении программно-аппаратные комплексы для финансового анализа - прогнозирования рыночной конъюнктуры, оценки кредитных и инвестиционных рисков, предсказания курсов акций и валют и многого другого. Некоторые из этих комплексов базируются на использовании традиционных методов корреляционного анализа, некоторые - на аппарате экспертных систем, многие - на нейросетевых решениях. Давайте теперь постараемся ответить на вопрос, как устроены нейронные сети и почему они так привлекают финансистов?
Почему их стрелы летят дальше, чем наши копья?
Что такое нейронная сеть, нейроплата и нейрокомпьютер? Прежде всего, пусть вас не вводит в заблуждение употребление слова "нейро". Нейронная сеть похожа на мозг человека (и даже муравья) не более чем стакан коктейля на Северный Ледовитый океан. Вы же не воспринимаете буквально такие математические термины как "метод четырех русских" или "алгоритм отжига". Вот и словосочетание "теория нейронных сетей" - не более чем обобщенное название вполне конкретной и формальной области математики.
С математической точки зрения нейронная сеть представляет собой многослойную сетевую структуру, состоящую из однотипных (и сравнительно простых) процессорных элементов - нейронов. Нейроны, связанные между собой сложной топологией межсоединений, группируются в слои (как правило, два-три), среди которых выделяются входной и выходной слои. В нейронных сетях, применяемых для прогнозирования, нейроны входного слоя воспринимают информацию о параметрах ситуации, а выходной слой сигнализирует о возможной реакции на эту ситуацию. Перед постановкой на "боевое дежурство" нейронная сеть проходит специальный этап настройки - обучения. Как правило, сети предъявляется большое количество (сотни и тысячи) заранее подготовленных примеров, для каждого из которых известна требуемая реакция сети. Если сеть реагирует на очередной пример неадекватно, т.е. состояние выходного слоя отличается от заданного, внутренняя структура сети подвергается некоторой модификации для минимизации ошибки (в большинстве случаев корректируются веса соединений).
После определенного периода обучения сеть достигает состояния, соответствующего минимальной суммарной ошибке. Для некоторых задач суммарная ошибка составляет 2-3%, для других может доходить до 10-15%, ряд задач вообще не поддается решению на нейронных сетях. К счастью, прикладные аспекты теории нейронных сетей сегодня настолько изучены, что практически для каждой пользовательской задачи можно найти описание наиболее подходящей для ее решения структуры нейронной сети, а также ожидаемое качество результатов. Написаны десятки книг, ежемесячно проходят специализированные конференции и семинары. Достаточно сказать, что труды лишь одного семинара "Искусственный интеллект на Уолл-стрит" составляют шесть увесистых томов!
С коммерческой точки зрения нейронные сети воплощаются в виде программных пакетов (иногда даже поставляемых вместе с исходными текстами, как, например, пакет OWL), в виде плат-акселераторов для персональных ЭВМ, в виде нейро-БИС а также в виде специализированных нейрокомпьютеров. Для большинства приложений, кроме самых крутых или очень специфических, на первых порах бывает достаточно простого программного пакета.
Рассмотрим использование нейронной сети для финансовых приложений на простом примере. Представим, что вы - брокер на фондовой бирже и хотите использовать нейропакет для прогнозирования изменений в своем "портфеле игрока". Пусть вас интересуют завтрашние котировки акций двадцати фирм, входящих в ваш "портфель". Интуитивно ясно, что эти котировки зависят (более или менее, прямо или косвенно) от собственных предшествующих значений, от котировок всех остальных ценных бумаг, представленных на бирже, от курсов основных валют и индексов инфляции, от ряда макроэкономических параметров, а также от некоторых дополнительных факторов - вчерашней рекламы, грядущих выборов в Думу и пр. Отлично, пусть все эти факторы образуют вектор входных значений для настройки сети. Теперь соберем данные о биржевой ситуации за достаточно длительный период. Для некоторых видов прогнозов достаточно данных за 1-2 недели, для других же необходима выборка за несколько кварталов. В США такие базы финансовых данных сами являются коммерческим продуктом (кстати, не очень дешевым) и аккуратно ведутся в течение многих лет. Есть биржевые параметры, которые регистрируются с 1901 года!
Однако мы отвлеклись. Итак, собраны данные по всем параметрам, которые нам кажутся существенными, за достаточно длительный период. Теперь подготовим данные по искомым выходным параметрам (курсам двадцати акций нашего портфеля) за тот же период - они будут использоваться для обучения. Соберем все данные в одном текстовом файле в виде весьма простой таблички и запустим наш нейропакет в режиме обучения. Если примеров мало, их можно пропускать по несколько раз. Через пятнадцать минут ваш пакет обучен. Для самоуспокоения протестируйте его на паре-тройке примеров - и назавтра вы сможете предъявлять ему реальные данные по биржевой ситуации, а в ответ получать прогноз относительно завтрашнего состояния ваших акций. Все? Нет, не все. Добавьте маленькую программку, позволяющую вашему пакету автоматически обновлять данные, получая их непосредственно из сводок, распространяемых по электронной почте. Теперь в ваших руках действительно мощное оружие, способное, не отнимая времени и сил, вооружать вас знанием биржевых тенденций и даже подсказывать стратегию биржевой игры.
Давайте теперь вкратце перечислим основные преимущества нейронных сетей:
1. Наиболее ценное свойство нейронных сетей - способность обучаться на множестве примеров в тех случаях когда неизвестны закономерности развития ситуации и какие бы то ни было зависимости между входными и выходными данными. В таких случаях (а к ним можно отнести до 80% задач финансового анализа) пасуют как традиционные математические методы, так и экспертные системы.
2. Нейронные сети способны успешно решать задачи, опираясь на неполную, искаженную, зашумленную и внутренне противоречивую входную информацию.
3. Для использования методов корреляционного анализа вам понадобится профессионал-математик. Эксплуатация обученной нейронной сети по силам и старшекласснику.
4. Нейросетевые пакеты позволяют исключительно легко подключаться к базам данных, электронной почте и т.д. и автоматизировать процесс ввода и первичной обработки данных.
5. Внутренний параллелизм, присущий нейронным сетям, позволяет практически безгранично (насколько хватит кошелька) наращивать мощность вашей нейросистемы. Вы можете начать с простого и дешевого пакета, потом перейти на профессиональную версию, потом добавить одну-две-три платы-ускорителя, потом перейти на специализированный нейрокомпьютер - с гарантией полной преемственности всего ранее созданного программного обеспечения.
Пакет Brain Maker: первый среди равных
Итак, на мировом рынке представлены десятки нейросетевых изделий, разнящихся по назначению, возможностям и цене. Какой из них предпочесть? Разумеется, это зависит от поставленной задачи и серьезности ваших намерений. Наиболее крупные банки и финансовые корпорации, такие как Manhattan Bank или American Express, могут себе позволить нейросетевые системы на базе суперкомпьютеров SNAP фирмы HNC и CNAPS фирмы Adaptive Solutions по цене от $50000. Те, кто ориентируется на использование нейропакетов на традиционных компьютерах, часто выбирают программы фирм Neuron Data и Nestor, либо ExploreNet фирмы HNC. Однако это также весьма дорогие и мощные системы, создаваемые "под ключ" по заказу серьезных клиентов.
А что делать тем, кто только начинает знакомиться с нейронными сетями и пока не ощущает потребности в установке супердорогих систем? О, для них создан целый спектр недорогих нейропакетов, издаются специальные журналы и проводятся многочисленные конференции. Давайте для примера познакомимся с одним представителем класса "нейропакетов для большинства", семейством Brain Maker фирмы CSS (California Scientific Software), причисляемым многими аналитиками к числу лидеров.
Brain Maker v.3.1 - новая версия популярного нейросетевого пакета BrainMaker фирмы CSS, получившего в 1990 году приз журнала PC Magazine "Лучший программный продукт года".
Первоначально разработанный фирмой Loral Space Systems по заказу NASA и Johnson Space Center, пакет BrainMaker был вскоре адаптирован для коммерческих приложений и сегодня используется несколькими тысячами финансовых и промышленных компаний, а также оборонными ведомствами США для задач прогнозирования, оптимизации и моделирования ситуаций.
Назначение пакета BrainMaker - решение задач, для которых пока не найдены формальные методы и алгоритмы, а входные данные неполны, зашумлены и противоречивы. К таким задачам относятся биржевые и финансовые предсказания, моделирование кризисных ситуаций, распознавание образов и многие другие.
BrainMaker решает поставленную задачу, используя математический аппарат теории нейронных сетей (более конкретно - сеть Хопфилда с алгоритмом обучания back propagation). В оперативной памяти строится модель многослойной нейронной сети, которая обладает свойством обучаться на множестве примеров, оптимизируя свою внутреннюю структуру. При правильном выборе структуры сети и обучении на достаточно большом количестве примеров можно добиться достоверности результатов в 97% и даже выше.
BrainMaker 3.1 может работать на IBM PC AT 286 и выше с объемом оперативной памяти от 640 Кбайт. Существуют версии BrainMaker для MS DOS и MS Windows, а также для Apple Macintosh. Базовая (и наиболее массовая - 16 тысяч проданных копий) версия пакета BrainMaker стоит $950. Кроме нее в семейство BrainMaker входят также:
Версия пакета для университетов, BrainMaker Student стоимостью всего $295. Она особенно популярна у небольших фирм и программистов-"надомников", специализирующихся на создании приложений для не очень сложных задач. Вероятно, она получит распространение и у нас, поскольку американские ограничения на продажу ее только студентам в современных российских условиях воспринимаются как абстракция.
Toolkit Option - набор из трех дополнительных программ, увеличивающих возможности BrainMaker:
Binary - переводит обучающую информацию в двоичный формат
для ускорения обучения;
Hypersonic Training - использует высокоскоростной алгоритм обучения;
Plotting - отображает факты, статистику и другие данные
в графическом виде
BrainMaker Professional ($1495) - профессиональная версия пакета BrainMaker с расширенными функциональными возможностями. Включает в себя все опции Toolkit. Число нейронов в слое увеличено до 8192 (для Windows-версии - до 37767).
Genetic Training Option (для BrainMaker Pro) - программа автоматической оптимизации нейронной сети для решения заданного класса задач, использующая генетические алгоритмы для "селекции" наилучших решений.
DataMaker Editor - специализированный редактор для автоматизации подготовки данных при настройке и использовании нейронной сети.
Training Financial Data - специализированные наборы данных для настройки нейронной сети на различные виды аналитических, коммерческих и финансовых операций. Включают реальные значения макроэкономических показателей NYSE, NADDAW, ASE, OEX, DOW и других, индексы инфляции, статистические данные биржевых сводок по различным видам продукции, а также информацию по фьючерсным контрактам и многое другое.
BrainMaker Accelerator - специализированная нейроплата-акселератор на базе сигнальных процессоров TMS320C25 фирмы Texas Instruments. Вставленная в Ваш персональный компьютер AT 386, 486 или Pentium, она в несколько раз ускоряет работу пакета BrainMaker. Так, плата BrainMaker Accelerator ускорит компьютер PC 486DX-50 в три раза.
BrainMaker Accelerator Pro - профессиональная многопроцессорная нейронная плата. Она содержит пять сигнальных процессоров TMS320C30 и от 5 до 32 Мбайт оперативной памяти. Вставленная в Ваш PC 486DX-50, она ускорит его более чем в сорок (!) раз.
Для иллюстрации возможностей плат-акселераторов можно привести несколько цифр, характеризующих быстродействие пакета BrainMaker на различных компьютерных платформах. Основной характеристикой, используемой для определения производительности нейросетевых изделий является количество элементарных операций (обработки одного соединения между нейронами) в секунду. Быстродействие пакета Brain Maker характеризуется следующими цифрами:
80286 / 12 Mhz - 125 000 соединений / сек
80386 / 33 Mhz - 495 000 соединений / сек
80486 / 33 Mhz - 700 000 соединений / сек
80486 / 50 Mhz - 1 000 000 соединений / сек
Accelerator Board - 3 000 000 соединений / сек
Accelerator Pro - 41 300 000 соединений / сек
"Клиент готов"
Определенно, российский рынок созрел для использования нейронных сетей. Косвенным подтверждением этого может служить реакция на редкие статьи по данной тематике, время от времени появляющиеся в прессе. Вышедшая три года назад в "Журнале доктора Добба" обстоятельная статья "От нейрона к нейрокомпьютеру" (N 1, 1992) не нашла практически никакого отклика - так, пара вялых звонков. Реакция на достаточно короткую статью в январском номере журнала "Монитор" ("Нейронные сети на пути к российскому рынку", 1995) была диаметрально противоположной. Десятки звонков, дюжина заманчивых предложений, множество вопросов о возможностях различных систем и условиях поставок. Так что не сегодня-завтра можно ожидать первых презентаций инициативных фирм, желающих ухватить "синюю птицу" сверхприбылей, которые сулит новый рынок.
А есть ли нейросети в России уже сегодня? Да, есть. Узок их круг, страшно далеки они от народа. Однако только за последний месяц в России было продано (практически без всякой рекламы!) почти два десятка нейропакетов, по цене от обычной персоналки до приличной иномарки. Столько же было распространено на условиях, близких к share-ware (т.е. почти даром). И есть явные признаки того, что в ближайшее время спрос на нейросистемы возрастет. Уже сегодня нейропакеты в Москве используют:
Кстати, на новорожденном российском рынке нейросистем уже наметились первые рыночные тенденции. Наиболее активно нейропакеты для финансовых приложений приобретают и осваивают не банки, большие, осторожные и неповоротливые, а маленькие шустрые фирмы, которые спешат построить флотилию самодельных аналитических систем и первыми выйти в плавание по неспокойным волнам нашего финансового рынка. В их действиях просматривается простой экономический расчет. Предложите нейросистему любому банку и вам ответят, что инструментальный пакет за $1500 им не нужен, а вот настроенную систему, способную решать их насущные задачи и увеличивать прибыль от биржевых операций они, пожалуй, возьмут и за 20 тысяч (кстати, примерно столько стоят лицензии на хорошие западные пакеты). А настроенную систему можно сделать из упомянутого инструментального пакета за пару месяцев, имея двух программистов и ящик черного кофе. Подсчитали прибыль? Кстати, именно так зарабатывает деньги большинство фирм, специализирующихся на нейронных сетях. Около 55% объема рынка нейросистем составляют не программные пакеты и не аппаратные средства, а заказные системы, сдаваемые "под ключ".
Не менее привлекательным представляется создание собственных небольших тиражируемых пакетов для различных клиентов - торговцев недвижимостью, страховых компаний, медиков и др. Вложив 300 долларов и немного фантазии, любой программист-одиночка может стать автором и владельцем оригинального нейросетевого пакета, способного, например, автоматически ставить диагноз по рентгенограмме или идентифицировать собеседника по голосу. Американцы любят рассказывать легенды об умельцах, "сделавших себя" на разработке подобных приложений.
НЕЙРОННЫЕ СЕТИ: ДУМАЙ, БИЗНЕСМЕН!
А.И.Масалович
В.В.Золотарев
Медицинская сестра ввела результаты последних анализов пациента. Через несколько секунд компьютер выдал заключение: "Выздоровление проходит успешно... Вероятность повышения артериального давления... Рекомендуются...". Заключение было получено программой, разработанной по заказу Института протезирования РАМН. В ее основу был положен новый для российского рынка аналитический инструмент - нейронная сеть. В этом конкретном случае задача диагностики не решалась никакими другими методами в течение уже достаточно длительного времени, несмотря на серьезные усилия квалифицированного персонала. А нейросеть к тому же еще давала очень точный прогноз. Почему?
Невероятно, но факт: нейронные сети, которые на Западе давно применяются для решения задач прогнозирования и распознавания практически повсеместно, до самого последнего времени были почти неизвестны в России (См.:"Курс-Н",?1, 1996 г."Электронный разум для банков XXI века?"). И только в середине прошлого года начались первые крупные поставки нейросетевых программных пакетов на российский рынок - сначала по заказам банкиров, а потом для научных и других приложений.
Своей популярностью нейронные сети обязаны одному изумительному свойству заложенных в них идей: - они способны обучаться на множестве примеров, впоследствии "узнавая" в потоке информации черты ранее встреченных образов и ситуаций. Благодаря этой способности нейронные сети в большом почете у военных и политиков, медиков и финансистов, специалистов по обработке изображений и представителей многих других профессий, имеющих дело с неполной, неточной и не поддающейся анализу информацией.
Как оказалось, очень легко и у нас научить нейронную сеть оценивать недвижимость или цену продажи подержанного "жигуленка". После этого обученная нейросеть запрашивает от оператора "персоналки" ответы на те вопросы, которые ее интересуют, например, число комнат, район и, конечно, площадь, или год выпуска машины, пробег и еще кое-что, мгновенье - и на экране цена квартиры или "легковушки" с точностью обычно лучшей, чем 5% без выезда к клиенту, на чем риэлторская контора и продавцы "сэконд хэнд" могут сэкономить очень даже не мало. Весьма многие организации, уже работающие на российском финансовом рынке, успешно прогнозируют фьючерсы на валютной бирже, динамику торгов по ГКО и оптовые цены, причем, в большинстве случаев точность оценок на базе "холодного рассудка" нейронных сетей, не подверженных усталости и иллюзиям, почти повсеместно в 2-3 раза выше, чем у приличного достаточно опытного брокера.
В отдельных случаях точность нейросетевого предсказания достигает еще лучших по сравнению с человеком значений, что, впрочем, вполне объяснимо. Если обычно люди принимают решение по двум-трем параметрам типа "дорого ли", дешево ли", "пригодится ли", профессионалы в какой-то области могут учесть (правильно учесть!) до пяти обстоятельств, которые влияют на результат, то границей для исключительно одаренного в какой-то узкой сфере гения оказываются всего лишь шесть входных параметров. Вообразите, что самые простые нейросетевые пакеты, удобные для практического использования и домохозяйками, и финансовыми директорами, например, "Brain Maker", уже сейчас оперируют (успешно и очень быстро!) в пространствах размера и 40, и 100, а если вы не очень торопитесь с ответом, то и 500 переменных! Можно работать и с форматами до нескольких тысяч параметров в каждом из случаев, в которых нейросетям предлагается сотрудничать с человеком. Однако, как мы уже отмечали в первой статье, проблемой для задач высокой размерности оказывается само обучение сети, которое еще долго будет вопросом искусства, интуиции и удачи. Конечно, и программисты, и финансисты все равно преодолевают эти и другие не менее серьезные трудности, о чем свидетельствует быстрое распространение нейросетевых технологий в столице и, пока в меньшей степени, в регионах.
Именно поэтому достаточная мощность пакета Brain Maker Professional фирмы СSS (США) в сочетании с легкостью освоения и удобным интерфейсом обусловили его успех на рынке России. Он уже успешно выдержал более 120 инсталляций, в основном для банкиров, финансистов и аналитических отделов крупных фирм. Кстати, приведенный в начале статьи пример использования нейронных сетей в медицине также относится к неожиданному для медиков исключительно успешному результату использования пакета BrainMaker, хотя в интерфейсе конечного продукта, поставленного "на боевое дежурство", трудно узнать черты оригинального американского пакета.
Назначение пакета BrainMaker - решение задач, для которых пока не найдены формальные методы и алгоритмы, а входные данные неполны, зашумлены и противоречивы. Первоначально разработанный фирмой Loral Space Systems по заказу NASA и Johnson Space Center, пакет BrainMaker был вскоре адаптирован для коммерческих приложений и сегодня используется в 17000 промышленных и финансовых фирм, а также оборонными ведомствами США для задач прогнозирования, оптимизации и моделирования ситуаций.
Очень эффективный способ быстрого обучения нейросети состоит в том, чтобы использовать специализированные ускоряющие платы, просто вставляемые в ПК. Такие платы в сотни и тысячи раз сокращают время работы нейросистем. Правда, и цена такого акселератора уже существенно выше, чем у IBM PC. Первая нейроплата CNAPS была поставлена в Россию по заказу аналитиков крупной зерновой компании "ОГО" и уже успела зарекомендовать себя при решении сложных финансовых задач, ускорив обучение сети в 1000 раз.
А недавно нейронные сети неожиданно получили дополнительную очень серьезную поддержку своего прикладного использования из несколько необычной области. Дело в том, что процедуры обучения нейронной сети (самое трудное в нейротехнологии) могут быть отнесены к тем специальным задачам оптимизации, для которых за последнее время развиты новые методы, получившие название генетических алгоритмов, так как они имеют своим образным прототипом именно процессы биологической эволюции и наследования признаков. Однако для финансовых оценок подобные методы позволили уменьшить срок учебы нейросети еще во много раз и одновременно делать эти сети немного "умнее".
Напомним, что наиболее эффективными российскими результатами в области прикладных нейросетевых систем, обычно существенно улучшающими оценки соответствующих вполне квалифицированных специалистов, являются:
- прогнозирование котировок фьючерсов;
- краткосрочная динамика курсов валют;
- прогноз оптовых цен на продукты питания;
- оценка кредитных рисков;
- ряд задач медицинской и промышленной диагностики;
- построение высокодоходного футбольного тотализатора;
- прогноз развития чрезвычайных ситуаций.
Нейронные сети прижились также в ЦБ РФ, в налоговой инспекции Москвы, в нескольких нефтяных компаниях, у медиков, в ВУЗах и ряде ведомств.
Дата добавления: 2015-09-30; просмотров: 29 | Нарушение авторских прав
| <== предыдущая лекция | | | следующая лекция ==> |