Задать вопрос юристу
 <<
>>

Искусственные нейронные сети

Начиная с 90-х гг. XX в. в практику управления организациями стали активно внедряться информационные технологии, основанные на парадигме искусственных нейронных сетей (ИНС), которые позволяют с известной долей условности моделировать деятельность человеческого мозга. 5.5.1.

Области применения и задачи, решаемые искусственными нейронными сетями

В силу своей универсальности и способности к обобщению ИНС применимы практически во всех областях человеческой деятельности: в геологии и нефтедобыче, в автоматическом управлении сложными динамическими объектами, в медицине и фармакологии, в сельском хозяйстве и агрономии, в финансовой сфере, на всех уровнях управления предприятиями и организациями и т.д. Словом, везде, где есть трудно формализуемая информация и (или) ее большое количество, зашумленность (искаженность) данных, где невозможно или очень сложно построить математическую модель, когда время ограничено, — в таких случаях применяют ИНС.

Общие задачи, решаемые ИНС, принято условно разделять на несколько основных категорий. •

Классификация (распознавание) образов. Должным образом разработанная ИНС может использоваться как классификатор. После обучения историческим данным ИНС может определять принадлежность анализируемых данных к определенному классу. К таким задачам относится распознавание зрительных образов (человеческих лиц, животных, целей на экране радара), распознавание текста (букв и иероглифов, в том числе автоматическое распознавание и аутентификация подписи), распознавание слуховых образов (речи, сигналов, системы голосового управления), медицинская диагностика (распознавание болезни по симптомам, классификация сигналов электрокардиограммы, клеток крови), различные классификации в военной технике (например, распознавание сигналов радара или сонара), в криминалистике (определение отпечатков пальцев), в физике (распознавание элементарных частиц и происходящих с ними событий путем проведения экспериментов на ускорителях или наблюдение космических лучей), задачи геологического распознавания (определение по косвенным признакам, где следует, а где не следует искать полезные ископаемые), контроль качества продукции (отнесение к классу качественной и некачественной продукции, например, отслеживание качества нефтепродуктов)28. •

Кластеризация (категоризация). Алгоритм кластеризации размещает близкие образы в один кластер. Несколько лет назад фирма IBM Consulting разработала нейросетевую систему, прогнозирующую свойства потребительского рынка29. Заказчиком выступила одна из крупнейших компаний-производителей пищевых продуктов, имеющая огромные рынки сбыта. Одним из основных маркетинговых механизмов компании является распространение рекламных предложений, дающих право покупки определенного товара со скидкой. Затраты на рассылку предложений довольно велики. Решающим фактором является эффективность рассылки. Для ее повышения необходимо было провести предварительную сегментацию рынка, а затем адресовать клиентам каждого сегмента именно те купоны, которыми они с большой вероятностью воспользуются, т.е. решить задачу кластеризации, что и было успешно сделано с помощью нейронных сетей Кохонена. На втором этапе для потребителей каждого из кластеров подбирали подходящие коммерческие предложения, а затем строили прогноз объема продаж для каждого сегмента. •

Аппроксимация функций.

Предположим, что имеется обучающая выборка ((x1, y1), (x?, У?), ..., (xn, yn)) (пары данных вход-выход), которая генерируется неизвестной функцией (x), искаженной шумом. Задача аппроксимации состоит в нахождении оценки неизвестной функции (x). Аппроксимация функций необходима при решении многочисленных инженерных и научных задач моделирования. Например, аппроксимация многомерных функций30 или аппроксимация данных случайных Гауссовых процессов31. •

Предсказание/прогноз. Пусть заданы n дискретных отсчетов {y(t1), y(t?), ..., y(tn)} в последовательные моменты времени t1, t?, ..., tn. Задача состоит в предсказании значения y(tn+1) в некоторый будущий момент времени tn+1. Предсказание/прогноз оказывают значительное влияние на принятие решений в бизнесе, науке и технике. Нейросети применяют для формирования моделей и прогнозирования развития нелинейных и трудно описываемых математически объектов (систем) во времени. Основными приложениями техники предсказания (прогноза) на основе ИНС являются предсказание метеорологической обстановки (дождь, скорость и направление ветра, тайфуны, смерчи)32, прогнозирование свойств химических соединений (фирма Du Pont прогнозирует свойства полимеров33), финансовые прогнозы (игра трейдеров на рынках, предсказание курсов акций, курса валют, конкуренции), в медицине — предсказание исхода лечения, политические прогнозы (результаты выборов, международные отношения), в военном деле (предсказание поведения противника или потенциального противника, действия противника непосредственно в военном конфликте в реальном времени) и даже прогнозирование устойчивости супружеских отношений, отношений внутри группы34, прогнозирование потребления электроэнергии.

При создании систем на основе нейронных сетей на относительно устойчивых западных рынках особых проблем у разработчиков, как правило, не возникает. Российский рынок имеет свои специфические черты: изменчивость, особенности поведения потребителей, воспитанных в условиях дефицита и дефицитных ожиданий (например, закупки в период высоких инфляционных ожиданий). В изменчивых условиях для отечественных предприятий особенно важно иметь прогноз спроса на товары и соответственно дохода компании, чтобы осуществлять оптимальное управление закупками. •

Оптимизация. Многочисленные проблемы в математике, статистике, технике, науке, медицине и экономике могут рассматриваться как проблемы оптимизации. Задачей алгоритма оптимизации является нахождение такого решения, которое удовлетворяет системе ограничений и максимизирует или минимизирует целевую функцию. Например, поиск наилучших вариантов при конструировании технических устройств, экономического поведения, в логистике при оценке кратчайшего маршрута и соблюдении большого числа ограничений (на минимальный расход топлива, сервис, уровень преступности), при проектировании и оптимизации сетей связи, сетей электроснабжения, систем слежения за состоянием оборудования, при подборе команды (от сотрудников предприятия до спортсменов и участников полярных экспедиций), для проведения оптимальной терапии у больного, а также в других ситуациях принятия решения. •

Память, адресуемая по содержанию. В модели вычислений фон Неймана обращение к памяти доступно только посредством адреса, который не зависит от содержания памяти. Более того, если допущена ошибка в вычислении адреса, то может быть выбрана из памяти совершенно иная информация. Ассоциативная память, или память, адресуемая по содержанию, доступна по указанию заданного содержания. Содержимое памяти может быть вызвано даже по частичному входу или искаженному содержанию. Она используется при создании мультимедийных информационных баз данных, ассоциативном поиске информации и создании ассоциативных моделей; синтезе речи; формировании естественного языка. •

Управление в режиме реального времени. Объектами управления могут быть: системы управления и регулирования с пред сказанием; управление роботами, самолетами и ракетами; управление транспортным потоком35, другими сложными устройствами; технологические процессы непрерывного производства (металлургического, химического, и т.д.); разнообразные конечные автоматы: системы массового обслуживания и коммутации, телекоммуникационные системы. •

Другие задачи. Сейчас сфера оценки, в частности оценка недвижимости в связи с ростом цен и развитием ипотеки, страхования и бизнеса, вообще приобретает значительную популярность. Оценка стоимости дома или квартиры зависит от большого числа факторов, таких, как общая и жилая площадь, удаленность от центра, экологическая обстановка, престижность, тип дома, ремонт и т.д. Поскольку вид этой зависимости неизвестен, а построить модель - дело практически бесперспективное, стандартные методы анализа неэффективны. Как правило, эту задачу решают эксперты-оценщики, работающие самостоятельно либо в риэлтерском агентстве. Основной недостаток, естественно, заключается в субъективности оценщика, а также в возможных и не таких уж редких разногласиях между оценщиками. Существуют успешные примеры решения задачи объективной оценки с помощью нейросети. В частности, фирма Attrasoft приводит пример оценки стоимости домов в Бостоне с учетом 13 параметров36. 5.5.2.

<< | >>
Источник: Лапыгин Ю. Н.. Экономическое прогнозирование : учеб. пособие / Ю. Н. Лапыгин, В. Е. Крылов, А. П. Чернявский. — М. : Эксмо. — 256 с. — (Высшее экономическое образование).. 2009 {original}

Еще по теме Искусственные нейронные сети:

  1. Парадигма искусственных нейронных сетей
  2. Классификация искусственных нейронных сетей
  3. 4.5.7. ИСПОЛЬЗОВАНИЕ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ФИНАНСОВЫХ ПРОГНОЗОВ
  4. Обучение нейронных сетей
  5. 2.6 НЕЙРОННАЯ СЕТЬ КАК ИНСТРУМЕНТ ОЦЕНКИ КРЕДИТОСПОСОБНОСТИ ЗАЕМЩИКА
  6. 2.6.2. Обучение нейронных сетей
  7. Искусственный пожар
  8. НАТУРАЛЬНОЕ И ИСКУССТВЕННОЕ ПЛОДОРОДИ1
  9. 2. Система искусственно скользящего курса
  10. Методологические основы теории искусственного интеллекта
  11. Бюрократизм: искусственно поддерживаемая жизнь
  12. 2.6.1. Содержание и возможности использования нейронных сетей при оценке кредитоспособности заемщика
  13. 'Экспертные системы' и 'искусственный интеллект' в прикладном политическом анализе
  14. 4 Саморазрушительная природа искусственных бумов, вызванных кредитной экспансией: теория «вынужденных сбережений»
  15. Восстановление в сети
  16. Сети обслуживания
  17. ГЛАВА 4 ПРЕДПРИНИМАТЕЛЬСКИЕ СЕТИ
  18. Глава Сети и стандарты
  19. Прямое и отложенное присутствие в Сети
  20. Безопасность в сети Интернет
- Регулирование и развитие инновационной деятельности - Антикризисное управление - Аудит - Банковское дело - Бизнес-курс MBA - Биржевая торговля - Бухгалтерский и финансовый учет - Бухучет в отраслях экономики - Бюджетная система - Государственное регулирование экономики - Государственные и муниципальные финансы - Инновации - Институциональная экономика - Информационные системы в экономике - Исследования в экономике - История экономики - Коммерческая деятельность предприятия - Лизинг - Логистика - Макроэкономика - Международная экономика - Микроэкономика - Мировая экономика - Налоги - Оценка и оценочная деятельность - Планирование и контроль на предприятии - Прогнозирование социально-экономических процессов - Региональная экономика - Сетевая экономика - Статистика - Страхование - Транспортное право - Управление затратами - Управление финасами - Финансовый анализ - Финансовый менеджмент - Финансы и кредит - Экономика в отрасли - Экономика общественного сектора - Экономика отраслевых рынков - Экономика предприятия - Экономика природопользования - Экономика труда - Экономическая теория - Экономический анализ -