Нейромережні технологіїНейромережні технології Характерні риси розвитку нейромережних технологій Характерною рисою нейронних мереж є їх здатність змінювати свою поведінку в залежності від змін зовнішнього середовища, враховуючи приховані закономірності з потоку даних. При цьому алгоритми навчання не вимагають будь-яких попередніх знань про існуючі в предметній ділянці взаємозв.язки - необхідно тільки підібрати достатнє число прикладів, які описують поведінку модельованої системи в минулому. Переваги нейромережних технологій зокрема полягають в тому, що вони не вимагають підвищених вимог до точності вхідних даних, як на етапі навчання так і при їх застосуванні. Можна виділити такі переваги нейромережних технологій: · здатність навчатися на конкретній множині прикладів і таким чином пристосовуватися до поточної ситуації. · вміння стабільно розпізнавати, прогнозувати нові ситуації з високим рівнем точності в умовах зовнішніх перешкод, наприклад появи неповних чи суперечливих значень в потоках інформації. Беручи за основу роботу мозку, нейромережні технології застосовують ряд біологічних термінів, понять, параметрів. Так наприклад метод нейромережних технологій отримав назву генетичний алгоритм. Генетичний алгоритм застосовується в таких популярних версіях нейропакетів, як Brain Maker Professional v3.11 та менш відомому але більше професійному Neuroforester v5.1. В цих пакетах генетичний алгоритм керує процесом спілкування на деякій множині прикладів, а також стабільно розпізнає (прогнозує) нові ситуації з високим степенем точності навіть в умовах зовнішніх перешкод. Навчання програми зводиться до роботи алгоритму підбору вагових коефіцієнтів, який здійснюється автоматично без безпосередньої участі користувача - аналітика. Розглянуті пакети мають інструменти для попередньої обробки даних: · кореляційний аналіз, який дозволяє визначити значимість вхідних параметрів прогнозу. · аналіз з допомогою масштабних коефіцієнтів і експоненти Хьорста для виявлення неявних циклів даних. · діаграма-розподіл залежності прогнозованої величини від вхідних параметрів. Розглянуті методи дозволяють вже на етапі підготовки даних виділити найсуттєвіші для прогнозу параметри. Всі результати можуть представлятися в графічному вигляді, який зручний для аналізу і прийняття рішення. Перспективи застосування нейромережних технологій Гнучкість і потужність нейронних мереж відкриває перед ними практично необмежені можливості застосування, особливо в якості аналітичних інструментів в таких погано формалізованих і багатокритеріальних галузях, як аналіз фінансової і банківської діяльності. Будь-яка задача, що пов.язана з використанням фінансових засобів на валютному ринку чи ринку цінних паперів, пов.язана з ризиком і вимагає детального аналізу і прогнозу. Точність прогнозу, яка успішно досягається нейромережними технологіями при розв.язанні реальних задач, вже перевищила 95%. Це і обумовлює зростання використання нейромережних технологій на практиці.
