9. Технология нейронных систем.

Технология нейронных сетей, одного из видов искусственного интеллекта (AI), возникла на основе подражания процессам обработки информации и принятия решений, происходящих в живых организмах. Целью было моделирование поведения нервной ткани живых систем при помощи компьютерных структур, организованных из программно симулируемых нейронов и нейронных связей (синапсов). Исследования нейронных сетей на теоретическом уровне начались в 1940-х годах. Когда компьютерная технология стала достаточно мощной для реализации подобных исследований, работа началась всерьез. Во второй половине 1980-х годов системы на основе нейронных сетей стали представлять интерес для биржевой общественности. К 1989 г. ряд разработчиков уже предлагали пакеты для создания инструментов на нейронных сетях. Scientific Consultant Services разработал коммерческую систему NexTurn для прогнозирования индекса S&P 500. Интерес достиг пика в начале 1990-х годов, появились новые программы, но по причинам, о которых будет сказано ниже, к настоящему времени первоначальное увлечение финансовой общественности нейронными сетями прошло.

Поскольку мы не собираемся представлять в этой книге полный курс по нейронным сетям, эта глава будет содержать краткий обзор, содержащий основное для понимания принципов работы. Те, кто заинтересуется предметом, могут обратить внимание на материалы в книгах «Virtual Trading» (Ledermanand Klein, 1995) и «Computerized Trading» (Jurik, 1999), где также имеется подробная информация о разработке систем на основе нейронных сетей, а также на ряд статей в Technical Analysis of Stocks and Commodities (Katz, апрель 1996, Katz and McCormick, ноябрь 1996 и 1997). Также следует обратить внимание на книгу «Neural Networks in Finance and Investing» (Trippi and Turban, 1993).

10. Режимы работы и структура экспертной системы.

Экспертная система работает в двух режимах: режиме приобретения знаний и в режиме консультаций (называемом также режимом решения или режимом пользования экспертной системой).

В режиме приобретения знаний общение с экспертной системой осуществляет эксперт. В этом режиме эксперт, используя компонент приобретения знаний, наполняет систему знаниями, которые позволяют экспертной системе в режиме консультаций самостоятельно (без эксперта) решать задачи из проблемной области. Эксперт описывает проблемную область в виде совокупности данных и правил. Данные определяют объекты, их характеристики и значения, существующие в области экспертизы. Правила определяют способы манипулирования с данными, характерные для рассматриваемой области.

В режиме консультации общение с экспертной системой осуществляет конечный пользователь, которого интересует результат и (или) способ его получения. Необходимо отметить, что в зависимости от назначения экспертной системы пользователь может не быть специалистом в данной проблемной области (в этом случае он обращается к экспертной системе за результатом, не умея получить его сам), или быть специалистом (в этом случае пользователь может сам получить результат, но он обращается к экспертной системе с целью либо ускорить процесс получения результата, либо возложить на экспертную систему рутинную работу). Следует подчеркнуть, что термин «пользователь» является многозначным, так как использовать экспертную систему кроме конечного пользователя может и эксперт, и инженер по знаниям, и программист.

В режиме консультации данные о задаче пользователя после обработки их диалоговым компонентом поступают в рабочую память. Решатель на основе входных данных из рабочей памяти, общих данных о проблемной области и правил из базы знаний формирует решение задачи.

Хорошо построенная экспертная система должна иметь возможность самообучаться на решаемых задачах, пополняя автоматически свою базу знаний результатами полученных выводов и решений