ід кожного нейрона приймає тільки 2 значення: логічний 0 (загальмований стан) і логічний 1 (збуджений стан))
аналогові мережі
Мережі:
асинхронні (в кожен момент t змінює свій стан тільки лише 1 нейрон)
синхронні (у кожний момент t стан змінюється у групи нейронів (всього шару))
Існує також класифікація за кількістю шарів. Теоретично число прошарків і число нейронів у кожному шарі може бути довільною кількістю.
Чим складніше нейронна мережа, тим масштабніше завдання, які можуть на ній вирішаться.
Теорема про повноту.
Будь-яка безперервна функція на замкнутому ог?? аніченіі безлічі може бути рівномірно наближена функціями, обчисленими нейронними мережами.
Нейронні мережі являють універсальними апроксимуючими системами.
Мережа зустрічного поширення (мережа Кохонена)
В якості міри близькості двох векторів зазвичай вибирається евклідова відстань:
(x, y)=S (xi-yi).
Мережа Кохонена (T.Kohonen) складається з одного шару нейронів. Число входів кожного нейрона n одно розмірності вектора параметрів об'єкта. Кількість нейронів збігається з необхідним числом класів, на які потрібно розбити об'єкти (змінюючи число нейронів, можна динамічно змінювати число класів).
Новими прототипами стають центроїди векторів. В якості міри близькості виступає евклідова відстань. Мережа Кохонена навчається без вчителя на основі самоорганізації. У міру навчання вектори ваг нейронів стають прототипами класів. На етапі вирішення інформаційної завдання мережу відносить пред'явлений об'єкт до 1 з класів.
Для кожного j-го нейрона (j=1,2, ...., m) визначає відстань від нього до вхідного вектора Х:
Навчання починається з завдання невеликого випадкового значення вагової матриці W. Надалі: процес самоорганізації: модифікація W при пред'явленні вхідного вектора.
Вибирається нейрон з номером k, 1? k? m, для якого це відстань мінімально. На поточному кроці навчання N будуть модифікуватися тільки ваги нейронів з околиці нейрона k:
Темп навчання aN з часом зменшується (a0=0,9, aN + 1=aN - 0,001).
Спочатку в околиці будь-якого з нейронів знаходяться всі нейрони мережі, але з кожним кроком зменшується. Наприкінці підлаштовується під вектор ваг k.
Алгоритм навчання мережі Кохонена
Крок 1. Ініціалізація мережі. Ваговим коефіцієнтам мережі wij, i=1,2 ..., n, j=1,2, ..., m присвоюються малі випадкові значення. Задаються значення a 0 -початковий темп навчання і Do - максимальна відстань між ваговими векторами (стовпцями матриці W).
Крок 2. Пред'явлення мережі нового вхідного сигналу X.
Крок 3. Обчислення відстані від входу X до всіх нейронів мережі:
Крок 4. Вибір нейрона k, 1? k? m з найменшою відстанню dk.
Крок 5. Налаштування ваг нейрона k і всіх нейронів, що знаходяться від нього на відстані, що не перевищує DN:
Крок 6. Зменшення значень aN, DN
Крок 7. Кроки 2-6 повторюються до тих пір, поки ваги не перестануть змінюватися (або поки сумарна зміна всіх ваг стане дуже мало).
а також якщо після кожної ітерації процесу навчання здійснювати нормировку ваг кожного нейрона (стовпців матриці W), то в якості міри близькості вхідних векторів і вагових векторів нейронів мережі можна розглядати скалярний добуток між ними.
3. Аналіз діяльності комерційних банків за допомогою карт Кохонена
.1 Вибір та обгрунтування вихідних даних
Показники рентабельності характеризують фінансові результати і ефективність діяльності підприємства. Вони вимірюють прибутковість підприємства з різних позицій і групуються відповідно до інтересів учасників економічного процесу, ринкового обміну. Показники рентабельності є важливими характеристиками факторної середовища формування прибутку підприємств. Тому вони обов'язкові при проведенні порівняльного аналізу й оцінки фінансового стану підприємства.
Основні показники рентабельності комерційного банку можна об'єднати в такі групи:
· показники рентабельності капіталу (активів),
· показники рентабельності власних коштів;
· показники рентабельності позикових коштів;
· показники рентабельності комісійних операцій;
Рентабельність активів (РА) - фінансовий коефіцієнт, що характеризує віддачу від використання всіх активів організації. Коефіцієнт показує здатність організації генерувати прибуток без урахування структури його капіталу, якість управління активами. На відміну від показника рентабельність власн...
