CC BY
185
Актуальные проблемы авиации и космонавтики. Информационные технологии
УДК 004.94
А. С. Титов Научный руководитель - Т. Г. Долгова Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Красноярск
ПРИКЛАДНОЕ ПРИМЕНЕНИЕ НЕЙРОННЫХ СЕТЕЙ
Сфера применения нейронных сетей очень обширна, в том числе в экономике. Разумеется у них есть свои особенности использования, плюсы и минусы. Так же существует множество пакетных решений с использованием нейронных сетей, созданных для коммерческой реализации.
Нейросетевые прикладные пакеты, разрабатываемые рядом компаний, позволяют пользователям работать с разными видами нейронных сетей и с различными способами их обучения. Они могут быть как специализированными (например, для предсказания курса акций), так и достаточно универсальными.
Нейронную сеть можно применять в ситуации, когда имеется определенная известная информация, и вы хотите, из нее получить некоторую пока не известную информацию. К типовым задачам решаемыми нейронными сетями можно отнести [1]:
- прогнозирование;
- принятие решений;
- управление;
- кодирование и декодирование;
- классификация;
- предсказание;
- аппроксимация функций (научный метод, состоящий в замене одних объектов другими, в том или ином смысле близкими к исходным, но более простыми);
- другие задачи.
Нейронные сети являются одним из самых последних научных подходов к изучению поведения рынка. Идея нейросетей заключается в моделировании поведения различных процессов на основе исторической информации.
Достоинством нейрокомпьютинга является единый принцип обучения нейросетей - минимизация эмпирической ошибки. Далее сеть начинает постепенно модифицировать свою конфигурацию. В итоге, в процессе обучения сеть все лучше справляется с возложенной на нее задачей [2].
В экономической сфере нейросети применяются для решения при помощи нейрокомпьютеров следующих задач:
- прогнозирование временных рядов на основе нейросетевых методов обработки (валютный курс, спрос и котировки акций и др.);
- страховая деятельность банков;
- прогнозирование банкротств на основе нейро-сетевой системы;
- определение курсов облигаций и акций предприятий с целью вложения средств в эти предприятия;
- применение нейронных сетей к задачам биржевой деятельности;
- прогнозирование экономической эффективности финансирования экономических и инновационных проектов.
Имея такой продукт, вы его устанавливаете, затем обучаете и запускаете. Сами пакеты обновляются по несколько раз в год, поэтому все они достаточно современные.
В частности имеется пакет «Statistica Neural Networks». Заметным преимуществом данного пакета является то, что в него естественно встроен огромный арсенал методов статистического анализа и визуализации данных, который представлен в системе «Statistica».
«Neuroshell Day1Trader» - самая известная программа для создания нейронных сетей для анализа рынка. Помимо нейронных сетей, содержит и классические инструменты и индикаторы технического анализа. Понимает формат Metastock.
«Excel Neural Package» - российская программа для создания нейросетей и анализа их в «Microsoft Excel».[3]
Однако стоит подчеркнуть, что применение ней-росети возможно только в том случае, если существует возможность обучить ее, то есть имеется набор данных, включающий входные параметры и правильный ответ.
Подводя итог, можно заключить, что нейронные сети имеют огромный потенциал к практическому применению, хотя и, пока что, мало реализованный. В силу сложности разработки и дороговизны, нейронные сети пока что применяют в исключительных целях, а не повсеместно.
Библиографические ссылки
1. Круг П. Г. Нейронные сети и нейрокомпьютеры. М. : Изд-во МЭИ, 2002. 176 с.
2. Нейронные сети: на пороге будущего. URL: http://www.compress.ru/Article.aspx?id=9663 (дата обращения: 16.12.2012).
3. Нейронные сети - современный искусственный интеллект, его применение в экономике : URL: http://www.be5. biz/ekonomika1/r2010/00895. htm (дата обращения: 9.12.2012).
© Титов А. С., 2013
