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. Нейросеть–это 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: