Задача анализа деловой активности, факторы, влияющие на принятие решений. Современные информационные технологии и нейронные сети: принципы их работы. Исследование применения нейронных сетей в задачах прогнозирования финансовых ситуаций и принятия решений.
При низкой оригинальности работы "Применения нейронных сетей в задачах прогнозирования финансовых ситуаций и принятия решений", Вы можете повысить уникальность этой работы до 80-100%
4 Глава 1. Задача анализа деловой активности 6 1.1 Постановка задачи 6 1.2 Факторы, влияющие на принятие решений 6 1.3 Временные ряды 9 Выводы к главе 1 11 2.1 Современные информационные технологии и нейронные сети 12 2.2 Особенности применения нейронных сетей 16 2.2.1 Как работает нейронная сеть 16 2.2.2 Формирование нейронной сети 17 2.2.3 Обучение нейронной сети 19 2.2.4 Имитация функционирования (тестирование) обученной нейронной сети 21 Выводы к главе 2 22 Глава. 3. Особенности нейронных сетей в программе Trajan 23 3.1 Типы нейронных сетей в программе Trajan 23 3.1.1 Многослойный персептрон 23 3.1.1.1 Обучение MLP сетей в программе Trajan 24 3.1.1.1.1 Алгоритм обратного распространения 26 3.1.1.1.2 Метод сопряженных градиентов 29 3.1.1.1.3 Метод Левенберга-Маркара 29 3.1.2 Радиальные базисные функции 30 3.1.3 Линейные модели 32 3.1.4 Сеть Кохонена 32 3.1.5 Вероятностные нейронные сети (PNN) 34 3.2 Автоматический конструктор сети 35 Выводы к главе 3 37 Глава 4. 40 4.2 Обработка данных в программе Trajan 41 4.2.1 Открытие файла данных 41 4.3 Создание нейронной сети 44 4.4 Инструкция по обучению MLP сети на примере алгоритма обратного распространения 47 4.4.2 Условия остановки обучения 48 4.5 Запуск нейронной сети 49 4.6 Оценка качества работы 52 Выводы к главе 4 53 Глава 5. Решение поставленной задачи с помощью нейронной сети 54 5.1 Работа с исходными данными 54 5.2 Построение нейронной сети 55 5.3 Обучение нейронной сети 56 5.3.1 Обучение нейронной сети, по алгоритму обратного распространения 56 5.3.3 Обучение нейронной сети, с помощью метода Левенберга-Маркара 61 5.5 Основные результаты экспериментов 65 Выводы к главе 5 66 Выводы к главе 6 70 Заключение 71 Список литературы 72 Приложение 1. В данной работе рассматривается анализ биржевой активности с помощью нейронных сетей, которые являются одним из мощных средств анализа. При этом от пользователя, конечно, требуется какой-то набор эвристических знаний о том, как следует отбирать и подготавливать данные, выбирать нужную архитектуру сети и интерпретировать результаты, однако уровень знаний, необходимый для успешного применения нейронных сетей, гораздо скромнее, чем, например, при использовании традиционных методов статистики. Необходимо: На основе данных предсказать курс обмена Иены к Доллару на прогнозируемый период времени с учетом всех экономических показателей. В таблице 1.2.1. представлены следующие показатели : Day - день торгов, Gold - цена на золото, Yen - обменный курс Иены к Доллару, DM - обменный курс Немецкой марки к Доллару, Pound - обменный курс Фунта к Доллару, DowAvg - среднее число Доу Джонса; NYVul - объем обмена на Нью-Йорской Фондовой бирже. В случае выхода из строя части нейронов, вся сеть в целом продолжает оставаться работоспособной, хотя, конечно, точность снижается. Настройка производится по обучающей выборке, которая состоит из пар (, ) - обучающих примеров.
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
