Выдержка из работы:
Некоторые тезисы из работы по теме Нейрокомпьютерные сети, генетические алгоритмы и их применение
Введение
Актуальность темы. Нейрокомпьютерные сети, на сегодня являются одним из самых известных и эффективных инструментов интеллектуального анализа данных, который развивается благодаря достижениям в области теории искусственного интеллекта и информатики [1]. Поскольку бурное развитие компьютерной техники создает предпосылки для появления нейрокомпьютеров, которые, по прогнозам специалистов будут обрабатывать информацию по тем же принципам, что и человеческий мозг [2], то интерес к нейросетевым технологиям постепенно охватывает все более широкий круг пользователей. Итак, учитывая тот факт, что передовой мир все чаще использует для моделирования различных явлений, процессов и феноменов такой инструментарий как нейрокомпьютерные сети, нечеткая логика, эволюционные и генетические алгоритмы и т.д., в основе которых отсутствует условие о стационарности анализируемых показателей и неизменности условий, исследование особенностей применения нейронных сетей в экономике является актуальной научно-практической задачей, обусловливающей выбор темы данного исследования.
Степень разработанности темы. Представление об искусственном интеллекте постоянно менялись, трансформировались. Данному вопросу всегда уделялось много внимания как зарубежными (А. Сэмюэль, Н. Винер, А. Тьюринг, Ч. Бэббидж, П. Винсон), Среди исследований нейронных сетей следует назвать работы Kuan C., White H., Swanson N., которые доказали их эффективность для анализа временных рядов. Garcia R., Genfay R., Qi M. и Madala G. обосновали полезность нейронных сетей для анализа трендов на фондовом рынке, а Jorion P. - для прогнозирования валютного курса.
........................
Глава 1 Нейрокомпьютерные сети и генетические алгоритмы – направления применения
Заинтересованность в использовании искусственных нейронных сетей пришла из биологии. То есть, рассматривая сейчас разные сетевые конфигурации и алгоритмы, исследователи применяют термины, заимствованные из принципов организации мозговой деятельности. Но на этом их одинаковые черты заканчивается. Наш мозг почти не изучен и знания о нем крайне малы, поэтому мало существует точно доказанных закономерностей для тех, кто предпочел бы их использовать. Из-за этого разработчикам нейросетевых технологий приходится искать методы обхода современных знаний, чтобы найти структуры, которые способны выполнять почти те же полезные функции.
Нейрокомпьютерные сети бывают: синхронные и асинхронные [3]. Для синхронных нейронных сетей в каждый момент времени меняет только один нейрон свое состояние. В асинхронных сетях единовременно меняется состояния у группы нейронов или обычно у всего слоя [1].
Можно выделить две базовые архитектуры нейронов — слоистые и полносвязные сети. Слой — один или несколько нейронов, на вход которым подается один общий сигнал. Слоистые нейрокомпьютерные сети — это такие нейрокомпьютерные сети, в которых нейроны разбиваются на отдельные группы (слои) так, что обработка информации осуществляется послойно. В одном слое данные обрабатываются параллельно, а в масштабах всей сети обработка ведется последовательно, то есть от слоя к слою.
...............