Нейронные сети (neural networks) – математические модели, построенные по принципу организации и функционирования биологических сетей нервных клеток живого организма. Нейронные сети – самообучающиеся системы, имитирующие деятельность человеческого мозга. Нейросеть – это своего рода алгоритм, который позволяет реализовать идентификацию огромного количества данных для осуществления наиболее вероятного прогноза необходимой нам ситуации.
Основу нейронной сети составляет понятие «искусственного нейрона», которое позволяет на практике реализовать нелинейную функцию многих переменных. Эта функция отображает совокупность входных переменных в вещественное число из отрезка [0,1] и зависит от набора числовых коэффициентов (весов), рассматриваемого в качестве параметра этой функции. Эта функция имеет вполне определенный вид и реализуется двумя элементами – сумматором и нелинейным преобразователем.
Обычно нейронные сети используют для моделирования взаимосвязей, когда не известен точный вид связей между зависимыми (выходными) и независимыми (входными) переменными. Важная особенность применения нейронных сетей состоит в том, что зависимость между выходными и входными переменными находиться в процессе обучения сети. Возможность обучения – одно из главных преимуществ нейронных сетей перед традиционными методами. С математической точки зрения обучение нейронных сетей – это многопараметрическая задача нелинейной оптимизации.
Возможные направления применения нейронных сетей:
- распознавание образов и классификация;
- принятие решений и управление;
- кластеризация и поиск зависимостей;
- прогнозирование;
- снижение размерности.
Нейронные сети часто используются для прогнозирования на фондовом рынке, при оценке риска невозврата кредита в банковском скоринге. Сфера финансовых приложений нейронных сетей практически безгранична.
Вам может быть интересно ...
Онлайн курс «Построение нейронных сетей в IBM SPSS Statistics»