Банковское дело / Доходы и расходы / Лизинг / Финансовая статистика / Финансовый анализ / Финансовый менеджмент / Финансы / Финансы и кредит / Финансы предприятий / Шпаргалки Главная Финансы Финансы
Д.Э. БЭСТЕНС, В.М. ВАН ДЕН БЕРГ, Д. ВУД. Нейронные сети и финансовые рынки: принятие решений в торговых операциях. - Москва: ТВП,1997. - хх, 236 с., 1997

Нейронно-сетевые методы

В этой главе рассматриваются основные структуры и назначение нейронно-сетевых моделей. Описаны принципы разработки, обучения и оценки эффективности. Показано, каким образом множество задач, сильно различающихся параметрами сложности и устойчивости, может быть охвачено единой сетевой концепцией.
<< Предыдушая Следующая >>
= К содержанию =
Похожие документы: "Нейронно-сетевые методы"
  1. Д.Э. БЭСТЕНС, В.М. ВАН ДЕН БЕРГ, Д. ВУД. Нейронные сети и финансовые рынки: принятие решений в торговых операциях. - Москва: ТВП,1997. - хх, 236 с., 1997
    нейронных сетей для решения задач анализа и прогноза в таких актуальных для современной российской экономики вопросах, как кризисные явления на рынках капитала, налоговые поступления, динамика цен производных финансовых инструментов и индексов курсов акций, эффективность диверсификации портфельных капиталовложений, риск предоставления кредитов или банкротство корпораций и банков. Постоянные
  2. Очистка и преобразование базы данных
    нейронные сети, дают лучшие результаты на нормализованных данных. Далее, с помощью специальных статистических тестов, например, на расстояние Махаланобиса, можно выявить многомерные выбросы, с которыми затем нужно разобраться на предмет достоверности соот-ветствующих данных. Эти выбросы могут порождаться ошибочными данными или крайними значениями, вследствие чего структура связей между
  3. ОПЫТ ОЦЕНКИ КРЕДИТНОГО РИСКА В ГОЛЛАНДСКОМ ИНВЕСТИЦИОННОМ БАНКЕ
    нейронно-сетевых методов. При этом отсутствует возможность для ех ровТ-оценки ошибок 2-го рода, поскольку данные о клиентах, чьи заявки на получение займа были отвергнуты, не
  4. 4.10. НЕЙРОСЕТЕВЫЕ ТЕХНОЛОГИИ В ФИНАНСОВО-ЭКОНОМИЧЕСКОЙ ДЕЯТЕЛЬНОСТИ
    нейронных сетей. Нейронные сети - обобщенное название групп алгоритмов, которые умеют обучаться на примерах, извлекая скрытые закономерности из потока данных. Компьютерные технологии, получившие название нейросетевых, работают по аналогии с принципами строения и функционирования нейронов головного мозга человека и позволяют решать чрезвычайно широкий круг задач: распознавание человеческой речи и
  5. Системы искусственного интеллекта
    нейронов и нейронной сетью, поэтому они нередко являются объектами моделирования в исследованиях в области искусственного интеллекта. Кора больших полушарий головного мозга человека содержит около 14 млрд. нейронов, образующих сложнейшее переплетение связей. Устройство и законы функционирования самого нейрона также очень сложны, что позволяет использовать для его описания только упрощенные
  6. Введение
    нейронные сети (сети компьютерных процессоров, взаимодействие которых построено по образцу процессов обучения, происходящих в человеческом мозге) и генетические алгоритмы (методы, в которых, исходя из большого набора первоначальных предположений, вырабатывают все более правильные представления о поведении рынка и, в конечном счете, более содержательные рабочие гипотезы). Про методы обоих видов
  7. ВВЕДЕНИЕ В МЕТОДЫ НЕЙРОННЫХ СЕТЕЙ
    нейронные сети открыли новые возможности в области распознавания образов, затем к этому прибавились статистические и основанные на методах искусственного интеллекта средства поддержки принятия решений и решения задач в сфере финансов. Способность к моделированию нелинейных процессов, работе с зашумленными данными и адаптивность дают возможность применять нейронные сети для решения широкого класса
  8. Другие алгоритмы обучения
    нейронно-сетевых пакетов реализованы методы пакетной обработки, импульса, изменения величины шага, и даже более совершенные варианты алгоритмов типа алгоритма обратного распространения ошибки и квази-ньютоновские методы. В литературе описано много других алгоритмов, реализующих иные подходы к задаче оптимизации. Так, в основанном на идеях статистической физики методе лзамораживания стабилизация
  9. Динамические, самоорганизующиеся сети и сети со встречным распространением
    сетевых моделей, некоторые из которых имеют вычурные названия: лконкурентное обучение (или ладаптивная теория резонанса), сети Хопфилда, машины Больцмана, самоорганизующиеся карты признаков
  10. Отбор и диагностика модели
    нейронно-сетевой моде-ли с наилучшим обобщением - это проверка критерия согласия (МБЕ, АЯУ и др.) на тестовом множестве, которое не использовалось при обучении. Если же данных мало, разбивать их на обучающее и подтверждающее множество нужно разными способами. Такое пере-крестное подтверждение может потребовать много времени, особенно для нейронных сетей с их длительным процессом обучения. В