Файл: ТЕОРЕТИЧЕСКИЕ ОСНОВЫ НЕЙРОННЫХ СЕТЕЙ.pdf

ЗАКЛЮЧЕНИЕ

В данный момент времени нейронные сети являются довольно перспективной технологией, предлагающую современный подход к исследованию динамических задач во многих областях экономики. Использование соответствующих нейросетевых методов позволяет значительно улучшить существующие на данный момент способы анализа и прогнозирования.

В процессе теоретического исследования было установлено, что использование нейронных сетей для анализа финансовой информации целесообразно включать в методический арсенал экономиста т.к они является перспективной альтернативой (или дополнением) для традиционных методов исследования, поскольку точность нейросетевого прогнозирования значительно превышает точность прогнозов, сделанных классическими методами. В силу своей адаптивности одни и те же нейронные сети могут использоваться для анализа разных финансовых данных, в то время как найденные игроком для конкретного инструмента закономерности с помощью методов технического анализа работают на много хуже или не дают результат вовсе.

Нейронные сети дают возможность с высокой точностью оценивать многие показатели, характеризующие ситуацию на рынке, а также прогнозировать их изменения в краткосрочном периоде. Так же использование нейронных сетей в рамках автоматизированной системы прогнозирования продаж и закупок на торговом предприятии позволит снизить затраты на содержание большого штата сотрудников, занимающихся планированием, тем самым снизив фактор человеческой ошибки. А такие свойства, как самообучаемость и масштабируемость системы, смогут обеспечить возможность ее использования продолжительный период времени и, в конечном итоге, повысить конкурентоспособность и эффективность работы предприятия.

Рассмотренные в курсовой работе возможности применения нейронных сетей в экономике позволяют сделать вывод, что нейронные сети представляют собой мощный инструмент для анализа информации о сделках брокеров, прогнозирования тренда рынка, во многих областях управления рисками нейронные сети зарекомендовали себя как более рациональное решение, в маркетинге при обостряющейся конкуренции в экономической сфере выиграть в борьбе за рыночную долю невозможно без внедрения передовых финансовых технологий, а с развитием нейрокомпьютеров нейронные сети будут еще больше востребованы в экономической сфере.

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Мак-Каллок Уоррен С., Питтс Вальтер, Логическое исчисление идей, относящихся к нервной активности, Vol. 5, 1943, P. 115-133. 
2. Хертз A. Введение в теорию нейронных вычислений. 1991.
3. Розенблатт Ф. Принципы нейродинамики. Перцептроны и теория механизмов мозга., 1962.
4. Хайкин С. Нейронные сети, 1994.
5. Бэстенс Д.-Э., Ван Ден Берг В.-М., Вуд Д. Нейронные сети и финансовые рынки. Принятие решений в торговых операциях. М., 1997. 236 с
6. Панфилов П.Н. Введение в нейронные сети // Современный трейдинг. - 2001. - № 2. -С. 12-17.
7. Ежов А.А. Нейрокомпьютинг и его применения в экономике и бизнесе / А.А. Ежов, С .А. Шумский. - М.: МИФИ, 1998. - 222 с.
8. Видров Б., Румельхарт Д., Нейронные сети: Применение в промышленности, бизнесе и науке, 1994, P. 93-105.
9. ОРЛОВ А.И. Менеджмент. М.: Изумруд, 2003. - 298 с. 
10. Хайкин С. «Нейронные сети», 2006. С. 62-69.
11. Альтман Е, Эдвард И. Корпоративный финансовый дистресс., 1983.
12. БОРИСОВ Ю., КАШКАРОВ В., СОРОКИН С. Нейросе-тевые методы обработки информации и средства их программно-аппаратной поддержки // Открытые системы. — 1997, №4. 
13. Жданов А.А. «Автономный искусственный интеллект», 2015. С. 221 -226.
14. Преимущества нейронных сетей, 2016. [Электронный ресурс]. https://habrahabr.ru
15. Форсайт Д. «Компьютерное зрение», 2004. С. 18-25.
16. Горбань А.Н. «Нейроинформатика», 1998. С. 296.
17. Уоссермен Ф. «Нейронные сети: теория и практика», 1992. С. 23-28.
18. Барский А.Б. Нейронные сети. Распознавание, управление, принятие решений. М., 2004. С. 176.
19. Беляев В.И., Кротова М.В. Маркетинговые стратегии развития предприятий в сфере услуг: методы формирования и обоснования // Вестник Алтайского государственного аграрного университета. 2015. 
20. Гришанкин А.И., Ломакин Н.И. Алгоритм управления финансовым риском предприятия на основе fuzzy-метода // В мире научных открытий. 2013. № 12. C. 115-140. 
21. Максимова О.Н., Загорная Т.О. и др. Научные ответы на вызовы современности: экономика. В 2 кн. Кн. 2. Одесса: Куприенко С.В., 2016. 184 с. 
22. Галушкин А.И. Применения нейрокомпьютеров в финансовой деятельности
23. Ю. Э. Слепухина., Риск-менеджмент на финансовых рынках. 1998.
24. Горбунов А. Применение самоорганизующихся карт в бизнесе и финансах
25. Кутьин В. Искусственный интеллект в маркетинге
26. Оссовский С. Нейронные сети для обработки информации. М., 2002.
27. Круглов В.В., Дли М.И., Годунов Р.Ю. Нечеткая логика и искусственные нейронные сети. М., 2001.
28. Терехов В.И., Жуков Р.В. Методика подготовки данных для обработки импульсными нейронными сетями // Нейрокомпьютеры: разработка, применение. 2017. №2. С. 31-36. 
29. Чаркин Е.И. Стратегическое развитие информационных технологий и связи // Автоматика, связь, информатика. 2017. №4. С. 2-5.
30. Кульневич А.Д. Введение в нейронные сети // Молодой ученый. 2017. №8. С. 31-36.
31. Гуреева О.А., Потапова М.С. Обучающие и тестовые данные для нейронных сетей // Nauka i studia. 2017. Т.1. №3. С. 75-77.