Помощничек
Главная | Обратная связь


Археология
Архитектура
Астрономия
Аудит
Биология
Ботаника
Бухгалтерский учёт
Войное дело
Генетика
География
Геология
Дизайн
Искусство
История
Кино
Кулинария
Культура
Литература
Математика
Медицина
Металлургия
Мифология
Музыка
Психология
Религия
Спорт
Строительство
Техника
Транспорт
Туризм
Усадьба
Физика
Фотография
Химия
Экология
Электричество
Электроника
Энергетика

Нейросетевые технологии



В настоящее время на рынке появилось большое количество как универсальных нейропакетов, используемых для решения задач технического анализа, так и специализированных нейропакетов, предназначенных для решения других, более сложных и трудно формализируемых задач. Нейросетевые технологии оперируют биологическими терминами. Используемые при этом методы обработки данных получили название генетических алгоритмов, способных стабильно распознать и прогнозировать новые ситуации с высокой степенью точности даже при появлении противоречивых или неполных знаний. Нейронные сети создаются и используются для реализации многих профессиональных проблем - решения финансовых задач, задач, связанных с деятельностью биржевых и фондовых рынков и других, где имеют место высокие риски в поведении клиентов.

Основные понятия нейросетевых технологий: Нейрокомпьютер-это любое вычислительное устройство, реализующее работу нейронных сетей. Это может быть специальный нейровычислитель, либо приспособленный для работы с нейросетью персональный компьютер. Нейрокомпьютеры, как и обычные компьютеры, бывают универсальными и специализированными. Нейросетьэто вычислительная структура, базирующаяся на использовании нейроматематики, основу которой составляют относительно простые, однотипные элементы (ячейки), имитирующие работу нейронов мозга. Каждый нейрон характеризуется своим текущим состоянием по аналогии с нервными клетками головного мозга, которые могут быть либо возбуждены, либо заторможены. Нейроматематика – это новое направление, находящегося на стыке теории управления, теории распознавания образов, численных методов.

Сверхбольшие интегральные схемы (СБИС)используются для аппаратной реализации нейросетей. Такие системы обладают максимальными коммуникационными возможностями и ориентированы на быстрое выполнение векторных операций. К таким СБС относятся транспьютеры фирмы INMOS, сигнальные процессоры фирмы Texas Instruments, отечественные нейрочипы на базе БМК «Исполин – 60Т».

Преимущества нейросетевых технологий: Сохранение работоспособности сети при повреждении значительного числа нейронов. Способность к обучению, так как программирование вычислительной системы здесь заменяется обучением. Возможность эксплуатации сети любыми пользователями. Способность решать задачи, опираясь на неполную, искаженную и внутренне противоречивую информацию, распознавать образы в условиях сильных помех и искажений. Возможность подключения нейросетевых пакетов к базам данных, к электронной почте, наращивания мощности нейросети, обеспечивая ее сверхвысокое быстродействие. Способность сети к обучению в тех случаях, когда неизвестны закономерности развития ситуации и зависимости между входными и выходными данными.

Главным отличием нейросети является то, что они не нуждаются в заранее известной модели, а строят ее сами только на основе предъявляемой информации. Поэтому нейронные сети и генетические алгоритмы вошли в практику везде, где нужно решать задачи прогнозирования, классификации, управления, иными словами, в те области человеческой деятельности, где есть плохо формализуемые задачи, для решения которых необходима либо постоянная работа группы квалифицированных экспертов, либо адаптивные системы автоматизации, каковыми являются нейронные сети.

Основная задача нейрокомпьютеров - обработка образов, основанная на обучении - та же, что и у биологических нейросистем. Подобно биологическим, искусственные нейросети нацелены на параллельную обработку широкополосных образов. Вычисления, как и обучение, распределены по всем активным элементам - нейронам, каждый из которых есть элементарный процессор образов, так как производит хотя и простейшую операцию, но сразу над большим количеством входов. Как вычисления, так и обучение полностью параллельны.

Основным недостатком нейросетевой модели является необходимость иметь большой объем обучающей выборки, хотя наличие в информационной системы современных хранилищ знаний (Data Warehouse) существенно облегчают построение сети.

В. [Ясенев] определены классы задач, эффективно решаемые с помощью нейросетей.. К их числу относятся задачи::

- страховой деятельности банков;

-прогнозирования банкротств на основе нейросетевой системы распознавания;

-определения курсов облигаций и акций предприятий с целью инвестирования;

-биржевой деятельности;

-оценки платежеспособности клиентов ;

-оценки недвижимости и другие задачи.

Наиболее распространенными нейросетевыми системами являются системы – Brain Maker Pro (CSS), Neuro Shell (Ward Systems Group), OWL (HyperLogic).

 

 




Поиск по сайту:

©2015-2020 studopedya.ru Все права принадлежат авторам размещенных материалов.