Нейросеть

Cтраница 3

К счастью, нейросеть способна самостоятельно найти сложные связи в данных и использовать их для прогнозирования. Если существует зависимость между значениями входов и выходов сети, заданных в примерах для обучения, сеть аппроксимирует ее комбинацией нелинейных функций активации своих нейронов. Чем сильнее отдельный вход будет влиять на выходы нейросети, тем больший вес будет ему присвоен. В ситуации, когда заранее не известно, какие исходные данные в большей степени воздействуют на прогноз, пробуют подавать на входы нейронной сети все доступные параметры. Сеть сама выберет наиболее информативные из них и будет использовать их значения для прогнозирования. При большом числе параметров подобный подход нужно использовать осмотрительно - нельзя забывать, что при увеличении числа входов нейросети, как правило, увеличивается время ее обучения. [31]

Многие банки используют нейросети для обнаружения подделок чеков. Корпорация Nestor ( Providence, Rhode Island) установила подобную систему в Mellon Bank, что по оценкам должно сэкономить последнему 500 000 в год. Нейросеть обнаруживает в 20 раз больше подделок, чем установленная до нее экспертная система. [32]

Кодирование входов-выходов: нейросети могут работать только с числами. [33]

Определение корреляционных связей Нейронной сетью. Fed Funds Rate и CPI, Yield 3 Mo T-Bills, 1 Year Inflation Rate., S & P-500. [34]

Данный метод использования нейросетей позволяет не детализируя рынок и не вдаваясь в сложные вычисления без лишних усилий определить функциональные связи при обработке большого количества нечетких данных, между которыми ее трудно описать. [35]

В целом архитектура нейросети может быть задана матрицей весовых коэффициентов с у, характеризующих силу связей между элементами сети. В общем случае все элементы связаны со всеми, но матрица связей несимметрична, с у с у. Некоторые коэффициенты связей могут оставаться свободными, незаданными и тогда возможно их изменение - обучение сети. [36]

Задача полного построения нейросети обычно решается в два этапа, на каждом из которых используется свой генетический алгоритм. [37]

Фирма Pavilion Technologies разработала нейросеть, которая используется в ряде компаний для управления качеством продукции. [38]

Алгоритм преобразования входных сигналов нейросети в выходные порождается процессом предварительной настройки ( обучения) путем предъявления примеров пар вход-выход. [39]

Таким образом, работа нейросети состоит в преобразовании входного вектора в выходной вектор, причем это преобразование задается весами сети. [40]

Вид окна программы после создания структуры нейронной сети. [41]

Теперь с помощью опции меню Нейросеть / Обучение или путем нажатия клавиши F9 запустим режим обучения нейронной сети. По его окончании увидим окно, аналогичное показанному на рис. 5.15. Нажмем кнопку Готово. [42]

Система на базе ПЭВМ, эмулирующая нейросеть, в Nort Carolina State Bureau of Investigation ( США) помогает идентифицировать образцы кокаина, имеющие одинаковое происхождение. Это позволяет выявить группы связанных друг с другом распространителей наркотиков. [43]

Если в проблеме рейтингования задачей нейросети было воспроизвести мнения экспертов о надежности корпорации, то нейросетевое предсказание банкротств основано на статистической обработке конкретных примеров банкротств. В такой постановке задача нейросети - самой стать экспертом, определяющим финансовую стабильность корпорации, основываясь исключительно на объективной информации - показателях финансовой отчетности. Обычно от нейросети требуется оценить вероятность банкротства через определенный промежуток времени ( например, через год или через два года) по доступной на данный момент финансовой отчетности. В качестве входов используют финансовые индикаторы - отношения балансовых статей, наиболее полно отражающие определенные стороны финансового положения фирмы. [44]

Другими факторами, определяющими архитектуру нейросети, являются условия связи с внешней средой: сеть должна иметь число входных элементов, равное размерности пространства признаков; число выходных - размерности пространства ответов. Число промежуточных ( скрытых) элементов определяется сложностью задачи, требуемым объемом памяти и допустимой ошибкой распознавания. [45]

Страницы: 1 2 3 4 5