Читать онлайн «Нейрокомпьтинг и его применение в экономике и бизнесе»
НЕИРОКОМПЬЮТИНГ И ЕГО ПРИМЕНЕНИЯ В ЭКОНОМИКЕ И БИЗНЕСЕ ААЕЖОВ, САШУМСКИИ Москва, 1998 ©А. Ежов и С. Шумский, 1998 НЕЙРОКОМПЬЮТИНГ И ЕГО ПРИМЕНЕНИЯ В ЭКОНОМИКЕ И БИЗНЕСЕ Содержание Введение. Компьютеры и Мозг Нейрокомпьютеры попадают в заголовки газет. Что отличает обработку информации в мозге и в современных компьютерах? Символьная и образная информация. Перспективы нейрокомпъютинга. Нейрокомпьютеры: какие они? Как начинался нейрокомпьютинг? Как выглядят современные нейрокомпьютеры? Какова их производительность и цена? Нейрокомпьютеры и нейро-эмуляторы. Как и где используют нейрокомпьютинг? Основные парадигмы нейрокомпъютинга. Анатомия нейросетей. Классификация нейро-архитектур. Обучение с учителем: Распознавние образов Персептроны. Прототипы задач: аппроксимация многомерных функций, классификация образов. Возможности персептронов. Обучение с обратным распространением ошибки. Эффект обобщения и переобучение. Оптимизация размеров сети: разрежение связей и конструктивные алгоритмы. Обучение без учителя: Сжатие информации Прототипы задач: кластеризация данных, анализ главных компонент, сжатие информации. Хеббовское обучение. Автоассоциативные сети. Конкурентное обучение. Сети Кохонена. Гибридные архитектуры. 7 ©А. Ежов и С. Шумский, 1998 Рекуррентные сети: Ассоциативная память Сеть Хопфилда и спиновые стекла. Энергия и динамика сети. Ассоциативная память: запись и воспроизведение. Емкость памяти: термодинамический подход. Чувствительность к огрублениям и повреждениям связей. Повышение емкости памяти: разобучение. Запоминание последовательностей образов.
Сеть Хопфилда с точки зрения теории информации. Выделение прототипов и предсказание новых классов. Нейросетевая оптимизация Комбинаторная оптимизация и NP-полные задачи. Сеть Хопфилда решает задачу коммивояжера. Метод иммитации отжига. Оптимизация и сети Кохонена. Растущие нейронные сети. Другие «биологические » методы. Предобработка данных Как решаются конкретные задачи? Кодирование входов-выходов. Виды нормировки. Линейная предобработка входов. Понижение размерности и отбор наиболее значимых входов. Предсказание финансовых временных рядов Что обеспечивает доходность бизнеса, основанного на предсказаниях? Какова методика предсказания временных рядов? Специфика финансовых временных рядов. Как подбирать признаковое пространство? Какой функционал ошибки лучше? Норма прибыли нейросетевой игры на реальных данных. Извлечение правил. Анализ значимости входов Искусственный интеллект, экспертные системы и нейронные сети. Извлечение правил из нейронных сетей. Алгоритм NeuroRule. Прореживание нейронных сетей. Обучение нейронных сетей с одновременным исправлением данных. Алгоритм TREPAN для извлечения деревьев решений с использованием нейронных сетей. 8 ©А. Ежов и С. Шумский, 1998 10. Предсказание рисков и рейтингование Зачем нужны и какие бывают рейтинги? Нейросетевое рейтингование ценных бумаг. Предсказание банкротств. Возможно ли объективное рейтингование? Пример нейросетевого анализа российских банков. 11. Нейросетии Нейронные сети и статистика.
Нейрокомпьютинг и его применение в экономике и бизнесе
Основные парадигмы современного нейрокомпьютера. Анатомия нейросетей. Распознавание образов и сжатие информации. Ассоциативная память. Нейросетевая оптимизация. Предсказание финансовых временных рядов, рисков и рейтингование. Анализ значимости входов.
| Рубрика | Программирование, компьютеры и кибернетика |
| Вид | книга |
| Язык | русский |
| Дата добавления | 08.02.2013 |
| Размер файла | 6,5 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
HTML-версии работы пока нет.
Cкачать архив работы можно перейдя по ссылке, которая находятся ниже.
Подобные документы
История развития, применение искусственных нейронных сетей. Распознавание образов в сети. Сжатие данных и ассоциативная память. Проектирование экспертной системы, позволяющей диагностировать заболевания органов пищеварения. Программная реализация системы.
курсовая работа [744,0 K], добавлен 05.02.2016
Защита информации и ее сжатие. Поиск, распознавание информационных объектов (текста и образов). Роль ключа в шифровании. Прогнозирование временных рядов. Классификация документов, выбор и оценка многокритериальных альтернатив. Принятие решений и вывод.
реферат [140,1 K], добавлен 19.10.2008
Описание структурной схемы искусственного нейрона. Характеристика искусственной нейронной сети как математической модели и устройств параллельных вычислений на основе микропроцессоров. Применение нейронной сети для распознавания образов и сжатия данных.
презентация [387,5 K], добавлен 11.12.2015
Исследование нейросетевых архитектур и их приложений. Общие принципы, характерные для нейросетей. Локальность и параллелизм вычислений. Программирование: обучение, основанное на данных. Универсальность обучающих алгоритмов. Сферы применения нейросетей.
курсовая работа [250,5 K], добавлен 25.11.2010
Распознавание образов как раздел кибернетики, развивающий теоретические основы и методы классификации и идентификации предметов. Знакомство с принципом действия сканирующих устройств. Анализ особенностей преобразования документа в электронный вид.
Нейрокомпьтинг и его применение в экономике и бизнесе
В этой книге, основанной на курсе лекций, прочитанном авторами в Финансово-Аналитическом колледже МИФИ, мы знакомим читателя с основами нейросетевой обработки данных и примерами их типовых применений, преимущественно в области финансов и бизнеса. Наш опыт свидетельствует, что главным препятствием широкому применению нейрокомпьютинга служит недостаточное понимание его основ. Эта книга писалась с целью восполнить этот пробел. Поэтому основное внимание здесь уделяется описанию принципов нейросетевой обработки данных, их потенциальных возможностей и преимуществ, а также подробному разбору нескольких применений. Упор делается на концептуальной стороне дела, а не на описании конкретных алгоритмов. Предполагается, что в случае необходимости читатель может воспользоваться одним из многочисленных коммерческих нейро-эмуляторов, а не возьмется программировать нейросети на С++. Главная задача книги — научить читателя нейросетевые постановки задач в его повседневной работе, помочь ему автоматизировать рутинную обработку сложной многофакторной информации с помощью современного математического аппарата — искусственных нейронных сетей. Хотя мы старались избежать математических выкладок и, по возможности, упростить изложение, хотелось бы заранее предупредить, что материал этой книги рассчитан на достаточно подготовленного читателя — как минимум студента старших курсов. Наш читатель — студент, научный работник, финансовый аналитик, консультант, брокер или просто бизнесмен, желающий повысить эффективность своего бизнеса путем более вдумчивой работы с доступной ему информацией.
Источник https://knigogid.ru/books/1893265-neyrokompting-i-ego-primenenie-v-ekonomike-i-biznese/toread
Источник https://revolution.allbest.ru/programming/00241079_0.html
Источник https://booksee.org/book/468022