Файл: Применение нейронных сете в экономике (Диагностика и прогнозирование нейронными сетями).pdf

Конечно, статистические исследования накопленного опыта, моделирование и обработка нужны для обучения или построения обученной нейросети. Однако эти исследования проводятся вне рабочего режима, могут быть совместимы с ним, а также допускать корректирование, модификацию и развитие нейросети в процессе и эксплуатации.

Благодаря логическому методу построения математический аппарат нейронных сетей прост и доходчив, разработка нейросети не дорога, она не требует специальных знаний пользователя. В то же время нейросеть легко допускает включение в рассмотрение новых факторов, изменение решений и т.д.

Воспроизведение принципов работы мозга позволяет создавать действительно универсальные, помехозащищенные, адаптивные, несложные и развиваемые информационные технологии в экономике, в бизнесе, в управлении сложными системами, в том числе и социальными, в искусстве, туризме и т.д.

Однако мы осознаем, что Природа действует в соответствии с законами своего развития. Для того чтобы реализовать примитивную логическую передаточную функцию, в нейроне происходит до 240 химических реакций. Создавая интеллект искусственный на принципиальном, логическом уровне, бессмысленно слепо и многотрудно воспроизводить существующие в природе методы, хотя такое моделирование может быть полезно для биологии и медицины. На пути логического создания разума мы не связаны с проблемами энергетики и надежности. Искусственная нейросеть не требует кровоснабжения и не подвергается огню на поражение. И потому мы смело идем по пути абстракции, сублимации и условной имитации, пользуясь богатыми возможностями современного компьютера и логического мышления.

Убеждения в необходимости создания студий Computer An Studio, клубов по интересам и артелей, объединяющих все слои населения, всех возрастов и профессий, для реализации принципов искусственного интеллекта: это и искусство, и наука, и бизнес. Использование нейронных сетей для анализа финансовой информации является перспективной альтернативой (или дополнением) для традиционных методов исследования. В силу своей адаптивности одни и те же нейронные сети могут использоваться для анализа нескольких инструментов и рынков, в то время как найденные игроком для конкретного инструмента закономерности с помощью методов технического анализа могут работать хуже или не работать вообще для других инструментов.

Специфика объекта исследования накладывает некоторые особенности на использование нейронных сетей для анализа данных. Такой особенностью является выбор функции ошибки нейронной сети, отличной от традиционной среднеквадратичной. Следует отметить, что одной из важных составляющих анализа данных с помощью нейронных сетей является предобработка данных, направленная на сокращение размерности входов сети, повышение совместной энтропии входных переменных и нормировку входных и выходных данных.