MD Бизнес-план Маркетинг Управление Инвестиции Промоушен HR IT
md-it
md-it
>
Интернет и интранет Дистанционное обучение Системы с открытым исходным кодом Интеллектуальные системы Автоматизация предприятий Книги по IT Услуги IT-консалтинга О проекте
 
Интеллектуальные системы :: Нейронные сети :: Нейронные сети: варианты использования

Нейронные сети: варианты использования


Нейронные сети - это адаптивные системы для обработки и анализа данных, которые представляют собой математическую структуру, имитирующую некоторые аспекты работы человеческого мозга и демонстрирующие такие его возможности, как способность к неформальному обучению, способность к обобщению и кластеризации неклассифицированной информации, способность самостоятельно строить прогнозы на основе уже предъявленных временных рядов. Главным их отличием от других методов, например таких, как экспертные системы, является то, что нейросети в принципе не нуждаются в заранее известной модели, а строят ее сами только на основе предъявляемой информации. Именно поэтому нейронные сети и генетические алгоритмы вошли в практику всюду, где нужно решать задачи прогнозирования, классификации, управления - иными словами, в области человеческой деятельности, где есть плохо алгоритмизуемые задачи, для решения которых необходимы либо постоянная работа группы квалифицированных экспертов, либо адаптивные системы автоматизации, каковыми и являются нейронные сети.


Особенности

Нейронная сеть принимает входную информацию и анализирует ее способом, аналогичным тому, что использует наш мозг. Во время анализа сеть обучается (приобретает опыт и знания) и выдает выходную информацию на основе приобретенного ранее опыта.

Основная задача аналитика, использующего нейронные сети для решения какой-либо проблемы, - создать наиболее эффективную архитектуру нейронной сети, т.е. правильно выбрать вид нейронной сети, алгоритм ее обучения, количество нейронов и виды связей между ними. Эта работа не имеет формализованных процедур, она требует глубокого понимания различных видов архитектур нейронных сетей, включает в себя много исследовательской и аналитической работы, и может занять достаточно много времени.

Для неформализованных задач нейросетевые модели могут на порядок превосходить традиционные методы решения. Но применение нейронных сетей целесообразно, если:

накоплены достаточные объемы данных о предыдущем поведении системы

не существует традиционных методов или алгоритмов, которые удовлетворительно решают проблему

данные частично искажены, частично противоречивы или не полны и поэтому традиционные методы выдают неудовлетворительный результат

Нейронные сети наилучшим образом проявляют себя там, где имеется большое количество входных данных, между которыми существуют неявные взаимосвязи и закономерности. В этом случае нейросети помогут автоматически учесть различные нелинейные зависимости, скрытые в данных. Это особенно важно в системах поддержки принятия решений и системах прогнозирования.

Преимущества

Нейросети являются незаменимыми при анализе данных, в частности, для предварительного анализа или отбора, выявления "выпадающих фактов" или грубых ошибок человека, принимающего решения. Целесообразно использовать нейросетевые методы в задачах с неполной или "зашумленной" информацией, особенно в задачах, где решение можно найти интуитивно, и при этом традиционные математические модели не дают желаемого результата.

Методы нейронных сетей могут использоваться независимо или же служить прекрасным дополнением к традиционным методам статистического анализа, большинство из которых связаны с построением моделей, основанных на тех или иных предположениях и теоретических выводах (например, что искомая зависимость является линейной или что некоторая переменная имеет нормальное распределение). Нейросетевой подход не связан с такими предположениями - он одинаково пригоден для линейных и сложных нелинейных зависимостей, особенно же эффективен в разведочном анализе данных, когда ставится цель выяснить, имеются ли зависимости между переменными. При этом данные могут быть неполными, противоречивыми и даже заведомо искаженными. Если между входными и выходными данными существует какая-то связь, даже не обнаруживаемая традиционными корреляционными методами, то нейронная сеть способна автоматически настроиться на нее с заданной степенью точности. Кроме того, современные нейронные сети обладают дополнительными возможностями: они позволяют оценивать сравнительную важность различных видов входной информации, уменьшать ее объем без потери существенных данных, распознавать симптомы приближения критических ситуаций и т.д.

Применение

Нейронные сети все чаще применяются в реальных бизнес приложениях. В некоторых областях, таких как обнаружение фальсификаций и оценка риска, они стали бесспорными лидерами среди используемых методов. Их использование в системах прогнозирования и системах маркетинговых исследований постоянно растет.

Стоит отметить, что поскольку, экономические, финансовые и социальные системы очень сложны и являются результатом действий и противодействий различных людей, то является очень сложным (если не невозможным) создать полную математическую модель с учетом всех возможных действий и противодействий. Практически невозможно детально аппроксимировать модель, основанную на таких традиционных параметрах, как максимизация полезности или максимизация прибыли.

В системах подобной сложности является естественным и наиболее эффективным использовать модели, которые напрямую имитируют поведение общества и экономики. А это как раз то, что способна предложить методология нейронных сетей.

Ниже перечислены области, в которых эффективность применение нейронных сетей доказана на практике:

Для финансовых операций:

  • Прогнозирование поведения клиента
  • Прогнозирование и оценка риска предстоящей сделки
  • Прогнозирование возможных мошеннических действий
  • Прогнозирование остатков средств на корреспондентских счетах банка
  • Прогнозирование движения наличности, объемов оборотных средств
  • Прогнозирование экономических параметров и фондовых индексов


Для планирования работы предприятия:

  • Прогнозирование объемов продаж
  • Прогнозирование загрузки производственных мощностей
  • Прогнозирование спроса на новую продукцию


Для бизнес-аналитики и поддержки принятия решений:

  • Выявление тенденций, корреляций, типовых образцов и исключений в больших объемах данных
  • Анализ работы филиалов компании
  • Сравнительный анализ конкурирующих фирм


Другие приложения:

  • Оценка стоимости недвижимости
  • Контроль качества выпускаемой продукции
  • Системы слежения за состоянием оборудования
  • Проектирование и оптимизация сетей связи, сетей электроснабжения
  • Прогнозирование потребления энергии
  • Распознавание рукописных символов, в т.ч. автоматическое распознавание и аутентификация подписи
  • Распознавание и обработка видео и аудио сигналов


Нейронные сети могут быть использованы и в других задачах. Основными предопределяющими условиями их использования являются наличие «исторических данных», используя которые нейронная сеть сможет обучиться, а также невозможность или неэффективность использования других, более формальных, методов.

Вороненко Д.И., Нейросети – за и против, Харьков 2004.

Данько Т.П., Ходимчук М.А, Системы искусственного интеллекта в разработке корпоративных маркетинговых стратегий., 2001


Источник: http://bns.com.ua

Версия для печати
Вернуться к разделу "Нейронные сети"
Обсудить статью на форуме.



Поиск


О «нейронных сетях» в двух словах
В статье рассказывается о «нейронных сетях»
подробнее..
Типичные примеры применения нейронных сетей в менеджменте
В течение последнего десятилетия в журналах и газетах были напечатаны бесчисленные предложения по применению нейронных сетей в бизнесе и исследовании операций.
подробнее..
Нейронные сети: варианты использования
Нейронные сети - это адаптивные системы для обработки и анализа данных, которые представляют собой математическую структуру, имитирующую некоторые аспекты работы человеческого мозга и демонстрирующие...
подробнее..
Нейросетевые агенты в интернете
- Самое худшее случилось, - сказал сэр Дональд Акер, - когда в Массачусетском технологическом институте соединили входы с выходами. С. Лем. "Не буду прислуживать" Английской грамматикой в объеме...
подробнее..
Зачем нужны нейронные сети?
Наверное, многие слышали понятие «нейронные сети», ассоциативно связывая его с искусственным интеллектом, андроидами, роботами, способными учиться, глядя на людей. Одни при этом испытывают страх...
подробнее..
Аппаратная реализация нейронных сетей
Искусственные нейронные сети за свою более чем полувековую историю существования оказали существенное влияние на ряд наук, положив начало развитию новых, а также созданию подразделов в уже...
подробнее..
 
Rambler's Top100 Powered by Flede Valid HTML 4.0 Transitional
Реклама: