- •1. Характеристика основных направлений в исследованиях по искусственному интеллекту
- •2. Перспективы искусственного интеллекта
- •3. Проблемы нейрокибернетики и возможные пути их решения.
- •4. Искусственный интеллект. Основные понятия
- •5. Характеристика программно-прагматического направления в исследованиях по искусственному интеллекту
- •6. Характеристика бионического направления в исследованиях по искусственному интеллекту
- •7. Знания и модели их представления
- •8. Логические модели представления знаний
- •9. Продукционные модели представления знаний
- •10. Сетевые модели представления знаний (семантические сети)
- •11. Фреймовые модели представления знаний
- •12.Экспертные системы. Основные понятия и определения
- •14. Нейрокомпьютер и основы нейроинформатики
- •15. Нейрон, нейронные сети, основные понятия
- •16. Классификации нейронных сетей
- •17. Характеристика моделей нейронных сетей
- •18 Характеристика многослойных однонаправленных сетей
- •19. Характеристика полносвязных сетей Хопфилда
- •20. Характеристика двунаправленной ассоциативной памяти
- •21. Двунаправленная ассоциативная память. Режим обучения бинарными образами
- •22. Двунаправленная ассоциативная память. Режим распознавания
- •23. Характеристика самоорганизующихся сетей Кохонена
- •24. Области применения нейроинформатики
- •25. Характеристика этапов проектирования экспертной системы
- •26. Классификация интеллектуальных информационных систем
- •27. Организация базы знаний. Формы представления знаний
- •28. Методы рассуждения в интеллектуальных информационных системах
- •29. Характеристика этапа постановки задачи и концептуализации при разработке экспертной системы
- •30. Развитие прототипа до промышленной экспертной системы
- •31. Характеристика этапа формализации проектирования экспертной системы
- •32. Характеристика этапов реализации при проектировании экспертной системы
- •33. Характеристика этапа тестирования экспертной системы
- •34. Характеристика этапа опытной эксплуатации экспертной системы
- •37. Приобретение знаний
- •38. Извлечение знаний из данных
- •39. Технология разработки экспертных систем
- •40. Характеристика этапов оценки, стыковки и поддержки экспертной системы при её разработке
- •41. Аспекты получения знаний: психологический, лингвистический, гносеологический
- •Процедурный слой
- •Когнитивный слой
- •Лингвистический аспект
- •Проблема общего кода
- •Понятийная структура
- •Словарь пользователя
- •Гносеологический аспект
- •42. Стратегии получения знаний
- •43. Практические методы извлечения знаний. Их классификация и характеристика
- •44. Структурирование знаний. Концептуальная и функциональная структура предметной области
- •46. Инструментальные средства построения экспертных систем
24. Области применения нейроинформатики
Основное место на рынке услуг, оказываемых реальному потребителю нейроиформатикой , сейчас занимают финансовые приложения. Объясняется это тем, что нейросети эффективно справляются с задачами классификации, моделирования и экстраполирования (прогнозирования, предсказания), что особенно важно при решении финансово-экономических проблем. Нейронные сети служат основой для создания программных пакетов (имитаторов), плат-акселераторов для персональных ЭВМ, нейроБИС , а также специализированных нейрокомпьютеров. Для отработки методологии решения задач в нейросетевой постановке на первых этапах часто оказывается достаточным использование соответствующего программного пакета. На мировом рынке представлено более сотни нейросетевых пакетов, преимущественно американских. Объем рынка нейронных сетей превышает 1 млрд долларов в год. Более того, практически каждый разработчик традиционных аналитических пакетов сегодня стремится включить нейронные сети в новые версии своих программ. В США нейронные сети применяются в аналитических комплексах каждого крупного банка. Преимущества нейронных сетей: 1. способность обучаться на множестве примеров в тех случаях, когда неизвестны закономерности развитие ситуации и какие бы то ни было зависимости между входными и входным данными. В таких случаях (а к ним можно отнести до 80% задач финансового анализа) пасуют как традиционные математические методы, так и экспертные системы; 2. нейронные сети способны успешно решать задачи, опираясь на неполную, искаженную, зашумленную и внутренне противоречивую информацию; 3. для использования методов корреляционного, регрессионного и кластерной анализов вам понадобился бы профессионал-математик.
4.Эксплуатация обученной нейронной сети по силам и школьнику; 5. нейросетевые пакеты позволяют исключительно легко подключиться к базам данных, электронной почте и т. д. и автоматизировать процесс ввода и первичной обработки данных; 6. внутренний параллелизм, присущий нейронным сетям, позволяет практически безгранично наращивать мощность вашей нейросистемы . Вы можете начать с простого и дешевого пакета, потом перейти на профессиональную версию, по том добавить платы-ускорители, затем перейти на специализированный нейрокомпьютер — с гарантией полной преемственности всего ранее созданного программного обеспечения. В финансовом мире нейронные сети широко применяются для двух основных задач — прогнозирования котировок основных инструментов (курсов валют, ценных бумаг, ГКО и др.) и распознавания определенных ситуаций (например, подозрительных операций с кредитной картой). В России наиболее известными приложениями нейросетевых информационных технологий можно признать следующие : прогнозирование котировок фьючерсов; краткосрочная динамика курсов валют; прогноз оптовых цен на продукты питания; оценка кредитных рисков; оценка объектов недвижимости; ряд задач медицинской и промышленной диагностики; построение высокодоходного футбольного тотализатора; прогноз развития чрезвычайных ситуаций; авторизация доступа по индивидуальному «почерку» работы за клавиатуре компьютера. Сфера финансовых приложений нейронных сетей практически безгранична. Любая задача, связанная с манипулированием финансовыми инструментами — будь то валюта или ценные бумаги, — сопряжена с риском и требует тщательного расчета и прогнозирования. Как изменится завтра котировка основных валют? Вернет ли кредит внешне благополучная фирма? Как подобрать прибыльный и вместе с тем надежный «портфель инвестора»? Эти и сотни других вопросов приходится ежедневно решать аналитическим отделам финансовых (да и не только финансовых) компаний, привлекая все виды аналитических инструментов. Поэтому не случайно, что четвертую часть рынка нейросетевых продуктов составляют финансовые приложения.