Проект автоматизированной системы прогнозирования относительного курса валютных пар для международной валютной биржи Forex с использованием нейронных сетей. Требования к техническому обеспечению. Обоснование выбора средств автоматизации программы.
Аннотация к работе
1. Анализ предметной области и обзор используемых методов инструментальных средств 1.1 Постановка задачи прогнозирования 1.2 Краткое описание модели представления знаний 1.3 Описание инструментальных средств 1.4 Построение структуры семантической сети 2. Реализация экспертной системы 2.1 Описание структуры ПО 2.2 Основные решения по интерфейсам 2.3 Руководство пользователя ЭС 2.3.1 Условия работы системы 2.3.2 Установка системы 2.3.3 Руководство пользователя - эксперта 2.3.3 Руководство конечного пользователя 2.4 Описание контрольного примера. Результаты испытаний Заключение Список использованных источников Приложения Введение автоматизированная нейронная сеть прогнозирование Одна из наиболее динамично развивающихся областей современной теории интеллектуальных вычислений (computational intelligence) связана с построением и применением искусственных нейронных сетей. Нейронные сети - это раздел искусственного интеллекта, в котором для обработки сигналов используются явления, аналогичные происходящим в нейронах живых существ. Натренированная на ограниченном множестве данных сеть способна обобщать полученную информацию и показывать хорошие результаты на данных, не использовавшихся в процессе обучения. Различные способы объединения нейронов между собой и организации их взаимодействия привели к созданию сетей разных структур. Среди множества существующих структур сетей в качестве важнейших можно выделить: многослойный персептрон, радиальные сети, сети с самоорганизацией в результате конкуренции нейронов, сети с самоорганизацией корреляционного типа, рекуррентные сети, в которых имеются сигналы обратной связи. В данной работе нейронные сети используются для решения задачи прогнозирования поведения курса валютных пар на валютной бирже Forex с использованием массива числовых данных, содержащего предыдущие значения курса и его колебания на фиксированные моменты времени. 1. Одношаговое прогнозирование сводится к задачам отображения в случае, когда значение элементов предыстории могут определять лишь один дискретный отсчет выходных величин. При многошаговом прогнозировании Топ=а*R, где R - количество шагов вычисления прогнозирования; а - шаг дискретизации выходного параметра (например, год, месяц, день, и т.п.).