Содержание
- 2. Определение Нейронная сеть – математическая модель, построенная по принципу организации и функционирования сетей нервных клеток живого
- 3. История возникновения 1943 г. – появления понятия нейронной сети 1949 г. – разработан первый алгоритм обучения
- 4. Свойства Обучение Обобщение Абстрагирование Нейронная сеть – черный ящик, восстановить аппроксимированную функцию невозможно 10 March 2012
- 5. Применимость Рекомендуется: Распознавание образов Обработка голоса Быстрый поиск решения Не рекомендуется: Любые области применения с высокой
- 6. Биологический прототип 10 March 2012 Дендриты – «входы» нейрона Синапсы – «контакты» для соединения с другими
- 7. Нейронная сеть 10 марта 2012 г. Рост/Падение P’(n) P’(n-1) P’(n-k) Input layer Hidden layer Output layer
- 8. Активационная функция Логистическая функция: Гиперболический тангенс: 10 March 2012
- 9. Подготовка данных Нормализация данных – приведение данных к виду, пригодному для обработки сетью 10 марта 2012
- 10. Процесс обучения 10 марта 2012 г. Вычисление выхода сети Приращения цен Сравнение выхода с откликом OUT
- 11. Процесс обучения 10 марта 2012 г. Присваиваем весам случайные значения На вход сети подаем обучающий вектор
- 12. Воспроизведение индикатора 10 March 2012 Close(n) Close(n - 1) Close(n - m) . . . .
- 13. Теханализ vs. Нейросеть Нейронные сети могут быть более эффективны, т.к: Сеть обучается так, чтобы минимизировать отклонение
- 14. Перспективы развития 10 March 2012 Stock prices Oil prices World financial markets Company financial statements Advanced
- 15. Выводы Использование нейронных сетей на фондовом рынке является перспективным направлением для исследований Алгоритмы на основе нейронных
- 16. Пример Распознавание цифр с помощью нейронной сети 10 March 2012
- 17. Принцип работы Считываем входы и подаем на входы нейронов: 10 March 2012 Сеть состоит из 4
- 19. Скачать презентацию