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. 

Мережі Петрі. (19)

Мережа Петрі — математична абстракція для представлення дискретних розподілених систем. Графічно представляється у вигляді дводольного орієнтованого мультиграфу з маркерами («фішками») (маркований орієнтований граф), який має дві групи вершин: позиції та переходи. Позиції можуть бути пустими або маркованими та визначають <стан> мережі. Переходи визначають дії. Орієнтовані ребра графу задають зв'язки між позиціями та переходами. Процес функціонування мережі Петрі полягає в послідовному «виконанні» переходів, та відповідному перерахункові кількості «фішок» у позиціях. Дуги можуть бути кратними, коли два вузли з'єднані більше ніж однією дугою однакового напрямку. Альтернативно, для відображення кратності дуг може використовуватися функція «ваги» дуг.

Мережа Петрі задається у вигляді маркованого дводольного орієнтованого графу. Розрізняють два види вершин:

• Позиції. P — множина позицій,

• Переходи. T — множина переходів.

Ребра називають дугами. Петлі в графі мереж Петрі неможливі, оскільки дуги можуть з'єднувати лише вершини різних типів (позиції та переходи). Позиції що з'єднані дугами з переходом називають вхідними та вихідними для цього переходу, відповідно до напрямку цих дуг.

Кожна мережа Петрі є графом, який має у своєму розпорядженні дві різні групи вершин: вузли та переходи. Між вузлами та переходами можуть міститися орієнтовані ребра (дуги), але два вузли або два переходи не можуть з’єднуватися ребрами. Між кожною парою вузол/перехід може існувати максимально одне ребро від вузла до переходу (ребро входу) і максимально одне ребро від переходу до вузла (ребро виходу). Вузли можуть бути вільними або зайнятими міткою (маркованими); переходи не можуть бути маркованими. Вузли, що є стартовими пунктами одного ребра до одного переходу t , називаються далі вхідними вузлами переходу t. Вузли, що є кінцевими пунктами ребра від переходу t, називаються відповідно вихідними вузлами переходу t.

Основні принципи нечіткої логіки.(20)

Во всех предметных областях, где ИИС будут эффективным

средством построения информационных систем нового поколе-

ния, существуют плохо (некорректно) поставленные задачи. К

ним относятся проблемы, строгое описание которых либо невоз-

можно, либо чересчур сложно. Точные знания об этих проблемах

или вообще нельзя получить, или нельзя получить сразу, и при-

ходится последовательно приближаться к более или менее пол-

ному набору знаний. Т.е. знания чаще всего нечетки.

Практически во всех системах искусственного интеллекта знания накапливаются фрагментарно, и нельзя априори определить цепочку логических вы-

водов, в которых они будут использоваться. Последовательность

действий при поиске решения заранее не может быть определена,

и необходимо методом проб и ошибок выбрать некую цепочку

выводов, а в случае неуспеха организовать перебор с возвратами

для поиска другой цепочки и т.д.

Многозначность. О многозначности знаний говорят тогда,

когда один и тот же элемент знаний (понятие, символ, звук, изо-

бражение и т.п.) может быть интерпретирован по-разному.

Ненадежными являются те знания, представить которые

двумя значениями - истина или ложь - невозможно или трудно.

Неполнота знаний. Полностью описать окружающий мир

чрезвычайно сложно. Содержимое базы знаний по любой пред-

метной области является неполным, поскольку можно (хотя и

трудно) перечислить все верные знания в данной области, но не-

возможно перечислить и разумно определить неверные знания.

Поэтому целесообразно в БЗ определять только заведомо верные

знания, а любые утверждения, которые не определены относить к

ложным. Это называется гипотезой закрытого мира.

Теорія наближеного обчислення. (21)