- •1. Линейное программирование
- •2. Нелинейное программирование
- •3. Транспортные задачи
- •5. Дискретное программирование
- •6. Теория игр
- •9. Нейронные сети.
- •10. Скоринговые модели
- •2. Методы анализа экономических задач с целью применения мат. Методов для их решения
- •1. Концептуальное моделирование.
- •3. Методы и средства организации применения мат. Методов в экономике
- •1. Ппу (перечень прецедентов участия в деятельности)
- •2. Заключает страховой договор
- •2. Заключает страховой договор
- •4. Транспортная задача Постановка задачи
- •Методы решения
- •1. Метод северо-западного угла
- •5. Метод потенциалов
- •Вычислительная схема метода потенциалов
- •6. Линейное программирование
- •7. Графический метод решения задачи злп
- •8. Аналитический метод решения злп
- •9. Решение злп с помощью эвм
- •Постановка задачи лп в канонической форме:
- •Основные шаги симплекс алгоритма.
- •14. Скоринговые модели
- •15. Реализация скоринговой модели на эвм
- •16. Искусственные нейронные сети
- •17. Обучение нс с учителем Обучение искусственных нейронных сетей
- •Цель обучения
- •Обучение с учителем
- •18. Обучение нс без учителя Обучение без учителя
- •19. Области применения нс
- •20. Реализация нс на эвм
- •1.Идентификация.
- •2.Прогнозирование.
2.Прогнозирование.
Задача: с помощью нейронных сетей спрогнозировать курс доллара на шестой день недели при условии, что мы располагаем данными за пять дней.
Пусть:
i-номер дня недели
Ni-курс доллара на iый день недели
Необходимо определить Nk по известным Nk-1, Nk-2, Nk-3, Nk-4, Nk-5
Пусть F нейронная сеть с 5 входами и одним выходом.
Тогда Nk=F(Nk-1, Nk-2, Nk-3, Nk-4, Nk-5,{wnij})
Решение:
Перед прогнозированием нейронную сеть необходимо обучить. В качестве обучающего материала используется курс доллара за прошедший промежуток времени. Это и есть данный временной ряд, основываясь на который, задача обучения сводится к прогнозированию курса доллара на будущую дату.
Для обучения применим метод «скользящего окна». Установим окно в 5 дней. Тогда в первом случае обучения используются данные с 1 по 5 день недели, и полученный прогноз сравниваем с данными за 6 день недели. Высчитывается ошибка прогнозирования между реальной и спрогнозированной точкой, далее окно смещается на одну точку вниз. Во втором случае используются данные со 2 по 6 день недели, и полученный прогноз сравнивается с 7 днем и т.д.
Количество нейронов во входном слое сети должно соответствовать величине «окна» и равно пяти. В выходном слое будет всего один нейрон, так как прогнозируется только одно значение.