Нейросеть

Cтраница 1

Нейросети принимают решения о покупке или продаже товара на основе наблюдения за ценой в течение некоторого временного периода и сопоставления произошедших изменений курса с изменениями, имевшими место за эквивалентный период времени в прошлом. [1]

Нейросеть может запоминать действия опытного оператора, управляющего сложной системой, а затем воспроизводить их, проявляя необходимую гибкость, сменяя образцы поведения и выбирая среди них тот, который наиболее близок и адекватен текущей ситуации. При этом нет необходимости алгоритмизировать деятельность оператора, чтобы затем на ее основе строить программу управления: система схватывает формы поведения целостно как неразложимое целое и создает для их реализации соответствующие структуры. [2]

Нейросеть построена по feed forward архитектуре и обучена по алгоритму backpropagation. Обученная нейросеть в структуре системы управления рассматривается как нейроконтроллер с компактной базой данных, в котором установлены скрытые связи между входными переменными ( параметры режима сварки, сборки и положения стыка) и управляющими воздействиями ( сварочный ток, скорости сварки и подачи присадочной проволоки), компенсирующими отклонения показателей качества при случайных возмущениях по входным параметрам. [3]

Нейросети наиболее приспособлены к решению широкого круга задач, так или иначе связанных с обработкой образов. [4]

Нейросети используются фирмой Amoco для выделения характерных пиков в показаниях сейсмических датчиков. [5]

Современные нейросети включают возможности: читать цифры и слова; узнавать лицо человека по небольшому фрагменту фотографии; по обрывкам сведений восстанавливать всю информацию, относящуюся к делу; вести разведку на поле боя; обнаруживать малозаметные летательные аппараты; распознавать цели; вести общее руководство боевыми действиями. [6]

Первые нейросети были созданы Розенблаттом и Мак-Каллоком в 1956 - 1965 гг. Это были попытки создать системы, моделирующие человеческий глаз и его взаимодействие с мозгом. Оно умело различать буквы алфавита, но было чувствительно к их написанию. [7]

Быстрая аналоговая нейросеть используется в реальном времени для включения детекторов частиц. Это позволяет отобрать из огромного числа событий приемлемое множество интересных событий, заслуживающих дальнейшего изучения. [8]

Иллюстрация процесса обучения НС. [9]

Обучить нейросеть - значит, сообщить ей, чего мы от нее добиваемся. Этот процесс очень похож на обучение ребенка алфавиту. Показав ребенку изображение буквы А, мы спрашиваем его: Какая это буква. Если ответ неверен, мы сообщаем ребенку тот ответ, который мы хотели бы от него получить: Это буква А. Ребенок запоминает этот пример вместе с верным ответом, т.е. в его памяти происходят некоторые изменения в нужном направлении. Мы будем повторять процесс предъявления букв снова и снова до тех пор, когда все буквы будут твердо запомнены. [10]

Обучить нейросеть - значит сообщить ей, чего мы от нее добиваемся. Этот процесс очень похож на обучение ребенка алфавиту. Показав ребенку изображение буквы А, мы спрашиваем его: Какая это буква. [11]

Например, нейросеть на основе методики МГУА ( метод группового учета аргументов) позволяет на основе обучающей выборки построить зависимость одного параметра от других в виде полинома. Такая сеть может не только мгновенно выучить таблицу умножения, но и найти сложные скрытые зависимости в данных ( например, финансовых), которые не обнаруживаются стандартными статистическими методами. [12]

Имеются и более сложные нейросети, реализующие ассоциативные связи. [13]

Предсказуемость знака приращений ряда индекса S & P500 в зависимости от глубины погружения ( ширины окна. Увеличение глубины погружения свыше 25 сопровождается снижением предсказуемости. [14]

Для обучения нейросети недостаточно сформировать обучающие наборы входов-выходов. Необходимо также определить ошибку предсказаний сети. Среднеквадратичная ошибка, используемая по умолчанию в большинстве нейросетевых приложений не имеет большого финансового смысла для рыночных рядов. Поэтому в отдельном разделе мы рассмотрим специфичные для финансовых временных рядов функции ошибки и покажем их связь с возможной нормой прибыли. [15]

Страницы: 1 2 3 4 5