Нейронные сети

Нейронные сети возникли из исследований в области искусственного интеллекта, а именно, из попыток воспроизвести способность биологических нервных систем обучаться и исправлять ошибки, моделируя низкоуровневую структуру мозга.

Нейронные сети – исключительно мощный метод моделирования, позволяющий воспроизводить чрезвычайно сложные зависимости.

Класс задач, которые можно решить с помощью нейронной сети, определяется тем, как сеть работает и тем, как она обучается.

При работе она принимает значения входных переменных и выдает значения выходных переменных, причем между этими данными обязательно должна быть связь. Таким образом, сеть можно применять в ситуации, когда у нас имеется определенная известная информация, и мы хотим из нее получить некоторую пока неизвестную информацию. Например, прогнозирование на фондовом рынке завтрашней цены акций, когда известны цены акций за последнюю неделю и сегодняшнее значение индекса FTSE.

Нейронные сети широко применяются в распознавании образов (раздел «Распознование»)

• Примерная тема для курсовой работы

Аспекты распознавания образов при помощи нейронных сетей

Целью данной курсовой работы является изучение принципов построения и работы нейронных сетей, однослойного и многослойного персептрона, а также некоторых возможных алгоритмов распознавания и демонстрация изученного на конкретном примере. Возможна программная реализация.

• Список литературы

1. Розенблатт Ф. Принципы нейродинамики. Персептрон и теория механизмов мозга. – М.: Мир, 1965, 480с.

2. Ивахненко А.Г. Персептроны. – Киев: Наукова думка, 1974

3. Судариков В.А. исследование адаптивных нейросетевых алгоритмов решения задач линейной алгебры// Нейрокомпьютер, 1992, № 3, 4

4. Фор А. Восприятие и распознавание образов. – М.: Машиностроение, 1989, 272с.

5. Кендалл М., Стьюарт А. Статистические выводы и связи. – М : Наука, 1973,900с.

1. Мостеллер Ф., Тьюки Дж. Анализ данных и регрессия. – М.: Финансы и статистика, 1982,239с.

2. Дуда Р., Харт П. Распознавание образов и анализ сцен. – М.: Мир, 1976, 512с.

3. Химмельблау Д. Прикладное нелинейное программирование. М.: Мир, 1975, 534с.

4. Горбань А.Н. Обучение нейронных сетей. – М.: изд. СССР-США СП «ПараГраф», 1990, 160с.

Прогнозирование

В наше нестабильное время для успешного планирования работы любого предприятия недостаточно просто исследовать результаты его прошлой деятельности. Любой бизнес сейчас нуждается в прогнозировании.

Так, например, прогноз объема продаж необходим для составления сметы. Во многих отраслях оптовые торговцы должны заказывать и закупать товар за несколько месяцев. Кроме того, уровень объема продаж в будущем влияет также и на уровень других переменных, как то численность персонала, уровень затрат на осуществление продаж, потоки денежных средств и т.п.

Прогнозирование по своему характеру неразрывно связано со временем – посредством прогноза мы как бы пытаемся разглядеть будущее в настоящем. Существует множество способов «заглядывания в будущее». Поэтому необходимость прогноза развития той или иной ситуации ставит нас перед непростой проблемой выбора вполне конкретного метода прогнозирования (дельфийский метод, изучение рынка, метод консенсуса, казуальные методы и т.д.).