певну просторове положення. Кожен новий клієнт класифікується виходячи з того, яких клієнтів - поганих чи хороших - більше навколо нього [28].
Рішення завдання класифікації є одним з найважливіших застосувань нейронних мереж.
Завдання класифікації представляє собою завдання віднесення зразка до одного з декількох попарно не перетинаються множин. Прикладом таких завдань може бути, наприклад, медичні завдання, в яких необхідно визначити, наприклад, результат захворювання, рішення задач управління портфелем цінних паперів (продати купити або «притримати» акції залежно від ситуації на ринку), завдання визначення життєздатних і схильних до банкрутства фірм. До задачі класифікації відноситься і розв'язувана нами завдання визначення кредитоспроможності клієнта банку.
Нейронна мережа (НС)? динамічна система із сукупності пов'язаних між собою (як вузли спрямованого графа) елементарних процесів (формальних нейронів) і здатна генерувати вихідну інформацію у відповідь на вхідний дію [23].
Штучні нейронні мережі (ІНС)? математичні моделі, а також їх програмні або апаратні реалізації, побудовані за принципом організації та функціонування біологічних нейронних мереж? мереж нервових клітин живого організму.
З точки зору машинного навчання нейронна мережа являє собою окремий випадок методів розпізнавання образів, дискримінантного аналізу, методів кластеризації та т.п. З математичної точки зору навчання нейронних мереж? це багатопараметрична завдання нелінійної оптимізації.
Залежно від функцій, виконуваних нейронами в мережі, можна виділити три їх типи:
? вхідні нейрони , на які подається вектор, що кодує вхідний вплив або образ зовнішнього середовища, в них зазвичай не здійснюється обчислювальних процедур, а інформація передається з входу на вихід шляхом зміни їх активації;
? вихідні нейрони , вихідні значення яких представляють виходи нейронної мережі; перетворення в них здійснюються за виразами. Несуть важливу функцію приведення значення виходу мережі в необхідний проміжок (здійснюється це за допомогою функції активації);
? проміжні нейрони , що становлять основу нейронних мереж, перетворення в яких виконуються також за виразами.
Топологією нейронної мережі називають її структуру міжнейронних зв'язків, тобто топологія мережі визначає, як з'єднані нейрони між собою в мережі [27].
З точки зору топології можна виділити три основних типи нейронних мереж:
? повнозв'язні (рис. 1, а);
? багатошарові або шаруваті (рис. 1, б);
? слабозв'язаних (з локальними зв'язками) (рис. 1, в).
Малюнок 1. Архітектури нейронних мереж
У нашій роботі буде побудована багатошарова (двошаровий) нейронна мережа з прямим зв'язком (рис. 2).
Малюнок 2. Багатошарова (двошаровий) мережа з прямим зв'язком
Вибір такої архітектури пов'язаний з тим, що мережі з прямим зв'язком є ??універсальним засобом апроксимації функцій, що дозволяє їх використовувати у вирішенні задач класифікації.
