Труды СПИИРАН

Системы ИИ в экономике 3 Базовая структура нейронной сети Они могут распознавать модели, не слишком ясные для людей, и адаптировать их при получении новой информации. Системы ИИ в экономике 7 Ограниченность технологии нейронных сетей Технология на основе нейронных сетей является разновидностью статистических методов классификации и прогноза, ориентированных на решение строго ограниченного круга задач. Прогнозирование банкротств на основе нейросетевой системы распознавания. 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. Системы ИИ в экономике 13 Прогнозирование временных рядов Временной ряд представляет собой особую форму данных где прошлое значения могут повлиять на будущее значения.

Штучний Інтелект

Транскрипт 1 УДК А. Гибридные модели оценки параметров социально-значимого поведения по сверхмалой неполной совокупности наблюдений Аннотация. Предложен обзор возможных подходов к построению моделей социальнозначимого поведения по сверхмалой неполной совокупности наблюдений и оценке параметров таких моделей. Рассмотрены такие методы как агентное моделирование, статистический подход, включая методы анализа малой выборки, методология временных рядов и их приложения к решению указанной задачи.

Выявлены преимущества использования моделей в рамках теории вероятностных графических моделей. .

А.А.Ежов, С.А.Шумский Нейрокомпьютинг и его применения в экономике и бизнесе · Штовба С.Д. Муравьиные алгоритмы // Exponenta.

Математические и инструментальные методы экономики Количество траниц: Исследование развития теории финансового инвестирования. Эволюция мировой экономической мысли и ее влияние на современные теории управления финансами. Нелинейные технологии моделирования финансовых рынков 1. Исследование информационных массивов 48 Выводы по 1 главе. Разработка методологических подходов к использованию нейронных сетей дд для анализа финансовых рынков 2. Нейросетевые модели в финансовой деятельности.

Разработка нейросетевого подхода к восстановлению пропущенных и выявлению неточных данных в финансовых рядах динамики. Разработка алгоритмов создания сетей переменной структуры.

Муравьиные алгоритмы

Каргы-развертки нейронной сети при анализе расчетов зубчатых передач Каждый входной вектор имел 10 компонент, а входной наборе векторов представлял собой различные сочетания значений этих компонент: В результате анализа обученной сети и построения ее карт-разверток рис. Эти головки имеют значения образующих диаметров для внутренних резцовых головок меньшие, чем образующие диаметры для наружных резцовых головок.

С помощью них должны нарезаться передачи, обладающие следующими характеристиками: Сделанные выводы подтверждаются на практике в уже разработанной конической зубчатой передаче с круговыми зубьями Это передача, которая крутит его основной винт в трансмиссии вертолета и передает большой крутящий момент порядка Н-Метр.

Однако применение стандартного генетического алгоритма к обучению нейронных сетей, в частности персептронов, существенно затрудняется большим количеством обучаемых . Ежов А.А. Шумский С.А. Нейрокомпьютинг и его применение в экономике и бизнесе. Morgan Kaufmann, CA, 4.

Системный анализ, управление и обработка информации по отраслям Количество траниц: Самоорганизующиеся карты Кохонена как метод аналитической обработки данных. Анализ современных методов интеллектуального анализа данных. Классическая модель СОКК и алгоритм ее обучения. Подготовка и предобработка данных для нейронной сети. Построение визуальных топографических карт для СОКК. Выводы по главе 1. Модель сети Кохонена с замкнутой решеткой, оценка ее точности и качества.

Проблемы применения классической модели СОКК. Способы устранения граничного эффекта. Новый метод связи соседних нейронов сети. Новые модели СОКК с замкнутой решеткой для устранения граничного эффекта.

Нейрокомпьютинг и его применения в экономике и бизнесе

Как видно из рис. В правом нижнем углу карты, например, располагаются предприятия пищевой промышленности, цветной металлургии и другие, быстро развивающиеся отрасли. Раскраски этих признаков схожи, что указывает на корреляцию последних трех признаков. Вместе с этим различия в раскраске позволяют выделить предприятия, которые Рис.

одну при помощи метода главных компонент (PCA) или метода независимых компонент (CA) [6]. Оба метода позволяют, не .. Литература. Ежов А.А., Шумский С.А. Нейрокомпьютинг и его применение в экономике и бизнесе

Общее описание, задачи и основные требования к поисковым системам. Существующие модели информационного поиска. Обзор существующих поисковых систем. Обобщенная архитектура и недостатки существующих поисковых систем. Модель поискового образа документа. Модель базы знаний экспертов. Алгоритм построения поискового образа документа.

Стр. 4 - 26

Нейронные сети Хопфилда . . Электронная версия находится здесь. Обобщённая модель Хопфилда и статфизический подход: Всероссийская научно-техническая конференция. Сборник научных трудов, ч.

Решение многих задач экологии, экономики, медицины, метеорологии, геофизики и других .. Ежов А., Шумский С., Нейрокомпьютинг и его применение в экономике и бизнесе, , стр. . 2, San Diego, CA, June , p.

Уже получены хорошие результаты муравьиной оптимизации для многих сложных комбинаторных задач: Особенно эффективны муравьиные алгоритмы при - оптимизации процессов в распределенных нестационарных системах, например трафиков в телекоммуникационных сетях. Рассмотрим применение муравьиных алгоритмов на примере задачи коммивояжера. Постановка задачи коммивояжера В классической постановке коммивояжер должен объехать городов по замкнутому маршруту, посетив каждый из них лишь однажды, таким образом, чтобы полная длина его маршрута была минимальной.

Эффективными же признаются решения, гарантирующие получение ответа за время, ограниченное полиномом от размерности задачи. С помощью муравьиных алгоритмов находятся субоптимальные решения, локальные минимумы целевой функции, приближающиеся к абсолютному минимуму. Принцип работы алгоритма Поведение колонии Муравьиные алгоритмы представляют собой вероятностную жадную эвристику, где вероятности устанавливаются, исходя из информации о качестве решения, полученной из предыдущих решений.

Идея муравьиного алгоритма - моделирование поведения муравьёв, связанного с их способностью быстро находить кратчайший путь от муравейника к источнику пищи и адаптироваться к изменяющимся условиям, находя новый кратчайший путь. При своём движении муравей метит путь феромоном, и эта информация используется другими муравьями для выбора пути. Это элементарное правило поведения и определяет способность муравьёв находить новый путь, если старый оказывается недоступным.

Рассмотрим случай, показанный на рисунке, когда на оптимальном доселе пути возникает преграда. В этом случае необходимо определение нового оптимального пути. Дойдя до преграды, муравьи с равной вероятностью будут обходить её справа и слева. То же самое будет происходить и на обратной стороне преграды.

Презентация. Нейронные сети в финансовой деятельности

Математические и инструментальные методы экономики Количество траниц: Характеристика особенностей развития российского фондового 12 рынка и возможности их учета в прогнозных моделях 1. Анализ методов прогнозирования динамики фондового рынка 2.

В трансформируемой экономике России существует несколько наиболее привлекательность того или иного сектора экономики, сферы бизнеса, применение инструментов и механизмов портфельного инвестирования. факторное изменение его систематических и специфических рисков для любого.

Институт физиологически-активных веществ Российской академии наук г. Черноголовка Защита состоится 18 марта г. С диссертацией можно ознакомиться в библиотеке Химического факультета Московского государственного университета им. Современный этап развития нашей цивилизации характеризуется, прежде всего, беспрецедентным ростом мощности и распространенности компьютерной техники, и, вслед за этим, проникновением информатики во все сферы человеческой деятельности.

Роботы, всевозможные устройства и компьютерные программы, оснащенные искусственным интеллектом, который уже в ближайшее время превзойдет по своим возможностям человеческий, начинают играть доминирующую роль не только в быту и промышленном производстве, но и в научных исследованиях. Процессы информатизации быстро проникают я в химию. Этому особенно способствует то, что на протяжении многих лет химия развивалась как преимущественно эмпирическая наука, и потому в ней накоплено огромное количество экспериментальных данных, проведение глубокого анализа которых уже невозможно без применения средств современной информатики.

Как результат, на стыке химии и информатики возникает и быстро оформляется в самостоятельную научную дисциплину хемоинформатика. Ранее этому процессу препятствовало отсутствие универсальной и строго обоснованной методологии и реализующего ее программного обеспечения, которые позволили бы химику на основе обработки экспериментальных данных осуществлять прогнозирование самых разнообразных свойств химических соединений и материалов.

На первом этапе выполнения настоящей диссертационной работы нами было теоретически обосновано, что такой универсальной методологией является сочетание искусственных нейронных сетей ГИНС и фрагментных дескрипторов ФД. Однако методология применения ИНС для прогнозирования свойств химических соединений была в это время практически неразвита, а в литературе имелись лишь единичные публикации в этом направлении.

Известные ранее типы ФД, как правило, были нацелены на решение узкого круга задач и никак не могли быть положены в основу универсальной методологии поиска зависимостей между структурой органических соединений и их физико-химическими свойствами С 8РК , а также биологической активностью ОЯЛЯ. Таким образом, весьма актуальным является усовершенствование и интеграция нейросетевых и фрагментных подходов для моделирования и прогнозирования свойств органических соединений.

Целью настоящей диссертационной работы является создание универсальной методологии на базе ИНС и ФД, а также реализующего ее программного комплекса, позволяющего находить и анализировать количественные зависимости между структурами органических соединений и их свойствами с учетом и без учета влияния внешних условий , и на основе этого прогнозировать свойства еще неизученных соединений.

Прогнозирование движения цен на фондовом рынке в краткосрочном периоде

Список использованных источников Бэстенс Д. Нейронные сети и финансовые рынки: Технический анализ - новая наука.

обучения нейросети возможно применение эффектив- .. Ежов A.A., Шумский C.A. Нейрокомпьютинг и его прило- жения в экономике и бизнесе.

Гость Взгляд на архитектуру и требования к нейроимитатору для решения современных индустриальных задач Царегородцев В. Дано описание идей организации внутренней архитектуры программы и указаны реализованные нейросетевые, статистические и эмпирические методы обработки данных, составляющий авторский"ритуал" анализа данных. Нейросетевые методы анализа и обработки данных в современной практике Для решения сложных неформализованных задач прогнозирования и классификации широко применяются искусственные обучаемые нейронные сети [1,2].

Несколько основных нейросетевых архитектур, такие, как многослойные персептроны, сети и карты Кохонена, делают возможным решение широкого спектра задач, зачастую нерешаемых классическими статистическими методами обработки данных. Среди привлекающих пользователя достоинств нейронных сетей можно выделить такие: Обучаемость на наборе примеров. Построение нелинейной регрессионной зависимости или нелинейной разделяющей поверхности без априорного задания вида нелинейной функции с точностью до значений параметров, идентифицируемых в дальнейшем.

Возможность решения одновременно нескольких задач прогнозирования или классификации одной нейромоделью с векторным выходом. Целевая функция, оптимизируемая при обучении нейросети, не ограничена обычной классическим МНК и может быть робастной к выбросам в данных [4], может включать в себя дополнительные слагаемые, например, регуляризующие решение. Построение нелинейных главных компонент нейросетью с"узким горлом" [2,3].

При недостаточности линейных главных компонент для описания данных с нужной точностью с целью их дальнейшей визуализации в пространстве двух или трех первых ГК, возможна визуализация в пространстве нейросетевых нелинейных главных компонент или путем проекции на двумерное нелинейное многообразие, порождаемое картой Кохонена набором квантующих данные ядер, между которыми задано топологическое соседство и на которые затем натягивается кусочно-линейная или гладкая интерполирующая поверхность.

Рост объемов баз данных в технике, бизнесе, медицине, экологии и растущие требования к точности решения ставят новые требования перед нейроимитаторами. К тому же, наблюдается значительное отставание между давно ставшими стандартными в литературе передовыми методами и их реализацией в распространенных нейропакетах. В последних до сих пор реализованы в основном базовые методы, ныне трактуемые только как учебные, и не позволяющие эффективно решать современные задачи.

Лекция Что мы знаем о работе мозга 27 03 2014 г.