5, 8, 10 нет.

Лекция №1

В таких ситуациях высокую эффективность демонстрируют многомерные статистические методы анализа. К таким методам относятся кластерный анализ, факторный анализ, Дискреминантный анализ. Одним из перспективных средств дающих новые подходы к исследованию многомерных задач являются нейронные сети. Нейронные сети, это раздел иссукственного интеллекта в котором для обработки сигналов используется явление аналогиченные происходящим в нейронах живых существ. В России сформировались три научные школы в области нейротехнологий:

1. Центр нейрокомпьютеров «РАН» Голушкин.

2.Научная школа нейротехнологии МГУ.

3. Красноярская научная школа нейротехнологии в КГУ. Горбань

Нейросетевое моделеривоние находит широкий спектр в областях: распознование речи, реализации ассоциативной памяти, обработка изображений, обработка зашумленных данных, системы упрамления реального времени, система безопастности, классификация, сосотавление расписании, оптимизация, прогноз, выявление интересов пользователей интернет, моделирование сложных процессов и другие. Настоящее время для реализации нейронных технологий разработынны програмыные средства:

1. Пакет дедуктор

2. Пакет статистика

3. Пакет Дискавери

Нейросетевой анализ данных является свободным от модельных ограничений, он может применятся для линейных и не линейных зависимостей. Существует множество нейронных стей разных типов, что связанно с различными способами объединения нейронов между собой. И организации их взаимодействия, среди множества типов нейронных сетей, в качестве важнейших можно выделить многослойные сети прямого распространения, сети радиальных базисных функций, Самоорганизующиеся нейронные сети, рекуррентные нейронные сети. При решении задач в условии хаотических финансовых рынков используют нечеткие нейронные сети. Их функционирование основано на принципах нечеткой логики и использовании и нечетких систем. Начиная с середины 20 века исскуственные нейронные сети осваиваются вместе с вычислительное техникой, и появлением ноых знаний о биологической структуре головного мозга. Методы теорий нейронных сетей основаны на моделировании структуры головного мозга.

Нейронная сеть – это громадный распределенный параллельно процессор состоящий из элементарных единиц обработки информации накапливающих экспериментальные знания и предоставляющий их для последующей обработки. Нейронные сети сходна с мозгом с 2 точек зрения:

1. Знания поступают из окружающей среды и используются в процессе обучения.

2. Для накопления знаний применяется связи между нейронами называемые синоптическими весами.

В случаях когда нужно подчеркнуть вычислительными возможности нейронных сетей, а не биологические возможности исскуственые нейронные сети называют ПК, конвекциями, сетями связей, параллельными распределенными процессами. Идеи создания нейронные сетей по образу устройства нервной системы живых существ возникла в 1943 году когда ученые Мак Каллок и Питц создали модели нервной клетки называемой нейроном который является основеным элементом нервной системы. Теория нейронных сетей является алгоритмическим базисом развития нейроПК подобно тому как Булева алгебра более 50 лет является алгоритмическим базисом однопроцессорных и много процессорных ноутбуков.