Преимущества и недостатки использования нейронных сетей в экономике и управлении

Преимущество нейронных сетей над остальными алгоритмами прогнозирования заключается в том, что при использовании нейронных сетей легко исследовать зависимость прогнозируемой величины от независимых переменных. Например, есть предположение, что продажи на следующей неделе каким-то образом зависят от следующих параметров: продаж в последнюю неделю; продаж в предпоследнюю неделю; времени прокрутки рекламных роликов; количества рабочих дней; температуры; …

Кроме того, продажи носят сезонный характер, имеют тренд и как-то зависят от активности конкурентов. Хотелось бы построить систему, которая бы всё это естественным образом учитывала и строила бы краткосрочные прогнозы.

Еще одно серьезное преимущество нейронных сетей состоит в том, что эксперт не является заложником выбора математической модели поведения временного ряда. Построение нейросетевой модели происходит адаптивно во время обучения без участия эксперта. При этом нейронной сети предъявляются примеры из базы данных или обучающей выборки, и она сама подстраивается под эти данные. Таким образом, преимущество нейронных сетей заключается в том, что они: 1) способны обучать на примерах без программирования, что позволяет отказаться от поиска каких-либо аналитических зависимостей между входными данными и результатом; 2) могут обучаться на неполной, противоречивой и искаженной информации; 3) для использования не требуют профессионалов-математиков; 4) не требуют выполнения условия отсутствия взаимосвязи между входными факторами, как это требуется в регрессионном анализе.

Недостатком нейронных сетей является их недетерминированность. Имеется в виду то, что после обучения имеется «черный ящик», который каким-то образом работает, но логика принятия решений нейросетью совершенно скрыта от эксперта. Однако существуют алгоритмы «извлечения знаний из нейронной сети», которые формализуют обученную нейронную сеть до списка логических правил, тем самым, создавая на основе сети экспертную систему.

Одним из самых распространенных программных продуктов, реализующих нейросетевые технологии, является семейство программ Brain Maker фирмы CSS (California Scientific Software). На сегодняшний день пакет Brain Maker используется несколькими тысячами финансовых и промышленных компаний, а также оборонными ведомствами США для решения задач прогнозирования, оптимизации и моделирования ситуаций. Назначение Brain Maker – решение задач, для которых пока не найдены формальные методы и алгоритмы, а входные данные неполны, зашумлены и противоречивы. К таким задачам относятся прогнозирование курсов валют и акций на биржах, моделирование кризисных ситуаций, распознавание образов и многое другое.

Кроме базовой версии пакета, в семейство Brain Baker входят дополнения, одно из которых – Training Financial Data – широко используется в экономической деятельности. Training Financial Data – специализированные наборы данных для настройки нейронной сети на различные виды аналитических, коммерческих и финансовых операций, которые включают реальные значения макроэкономических показателей NYSE, NADDAW, ASE, OEX, DOW и др., индексы инфляции, статистические данные биржевых сводок по различным видам продукции, а также информацию по фьючерсным контрактам и многое другое.

Иллюстрации:

Рис. 1. Схема искусственного нейрона. 2

Рис. 2. Фрагмент нейронной сети. 3

Дополнит_материалы к лекциям\ лекция_11_НТ_УП.ppt

Контрольные вопросы:

1. Опишите модель искусственного нейрона.

2. Что такое искусственные нейронные сети? В чем заключается особенность искусственных нейронных сетей?

3. Что такое нейросетевые технологии?

4. Какие модели нейронных сетей используются в области экономики и управления? Опишите механизм работы данных моделей нейронных сетей.

5. Перечислите и опишите алгоритмы обучения нейронной сети.

6. Опишите основные этапы построения нейронной сети.

7. Сформулируйте постановку прикладной задачи экономического характера, для решения которой возможно и целесообразно применить нейронную сеть.

8. Перечислите преимущества и недостатки нейронных сетей.

Литература

1. Балдин К.В. Информационные системы в экономике: учеб. для студентов высш. учеб. заведений / К.В. Балдин, В.Б. Уткин. - 4-е изд. - М.: Издат.-торг. корпорация "Дашков и К", 2007.

2. Карминский A.M., Черников Б.В. Информационные системы в экономике: В 2-х ч. Ч. 1. Методология создания: Учеб. пособие. - М.: Финансы и статистика, 2006.

3. Настащук Н.А. Интеллектуальные информационные технологии в экономике и управлении: учебно-методическое пособие для студентов специальностей «Бухгалтерский учет, анализ и аудит» (код 080109) и «Управление персоналом» (код 080505). – Омск: Изд-во ОмЭИ, 2008.

4. Информационные системыи технологии в экономике и управлении: учеб. для студентов вузов / С.-Петерб. гос. ун-т экономики и финансов; под ред. В. В. Трофимова. - 3-е изд., перераб. и доп. - М. : Юрайт, 2009.

Дата добавления: 2014-12-09; просмотров: 451; Нарушение авторских прав

Мы поможем в написании ваших работ!