вагою wi, який за фізичним змістом еквівалентний електричної провідності. Поточний стан нейрона визначається, як зважена сума його входів. Залежно від функцій, виконуваних нейронами в мережі, можна виділити 3 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 нейромережі;
· проміжні нейрони , що становлять основу нейронних мереж.
У більшості нейронних моделей тип нейрона пов'язаний з його розташуванням в мережі. Якщо нейрон має тільки вихідні зв'язку, то це вхідний нейрон, якщо навпаки - вихідний нейрон. У процесі функціонування мережі здійснюється перетворення вхідного вектора у вихідний, переробка інформації.
Кожен нейрон розпізнає і посилає сигнал про одне просте подію, він не посилає багато сигналів і не розпізнає багато подій. Синапс дозволяє єдиному сигналом мати різні впливу на пов'язані з ним нейрони. Розпізнавання більш складних подій є робота групи взаємозалежних нейронів (НС) і кілька біологічних нейронних мереж функціонують взаємопов'язано для обробки все більш складної інформації. Нейронна мережа складається з шарів нейронів, які з'єднані один з одним. Деталі того, як нейрони з'єднані між собою, змушують замислитися над питанням проектування НС. Деякі нейрони будуть використовуватися для зв'язку із зовнішнім світом, інші нейрони - тільки з нейронами. Вони називаються прихованими нейронами.
Перелічимо основні класи задач, що виникають у фінансовій галузі, які ефективно вирішуються за допомогою нейронних мереж:
· прогнозування часових рядів на основі нейромережевих методів обробки (прогнозування крос-курсу валют, прогнозування котирувань і попиту акцій, прогнозування залишків коштів на кореспондентських рахунках банку);
· страхова діяльність банків;
· прогнозування банкрутств на основі нейромережевої системи розпізнавання;
· визначення курсів облігацій та акцій підприємств з метою інвестування;
· застосування нейронних мереж до завдань біржової діяльності;
· прогнозування економічної ефективності фінансування інноваційних проектів;
· пророкування результатів позик;
· оцінка платоспроможності клієнтів;
· оцінка нерухомості;
· рейтингування;
· загальні додатки нейронних мереж тощо.
1.3 Переваги нейромережевих мереж
В даний час має місце широке поява на вітчизняному ринку комп'ютерів і програмного забезпечення Нейропакет і нейрокомп'ютерів, призначених для вирішення фінансових завдань. Ті банки і великі фінансові організації, які вже використовують нейронні мережі для вирішення своїх завдань, розуміють, наскільки ефективним засобом можуть бути нейронні мережі для задач з хорошою статистичною базою, наприклад при наявності досить довгих часових рядів, у тому числі і багатовимірних.
Нейромережеві технології оперують біологічними термінами, а методи обробки даних отримали назву генетичних алгоритмів, реалізованих у ряді версій Нейропакет, відомих в Росії. Це професійні Нейропакет Brain Maker Professional v.3.11 і Neuroforester v.5.1, в яких генетичний алгоритм управляє процесом спілкування на деякій множині прикладів, а також стабільно розпізнає і прогнозує нові ситуації з високим ступенем точності навіть при появі суперечливих або неповних знань. Причому навчання зводиться до роботи алгоритму підбору вагових коефіцієнтів, який реалізується автоматично без участі користувача-аналітика. Всі результати обробки представляються в графічному вигляді, зручному для аналізу і прийняття рішень.
Використання нейромережевих технологій як інструментальних засобів перспективно у вирішенні безлічі погано формалізованих задач, зокрема при аналізі фінансової і банківської діяльності, біржових, фондових і валютних ринків, пов'язаних з високими ризиками моделей поведінки клієнтів, та ін. Точність прогнозу, стійко що досягається нейромережевими технологіями при вирішенні реальних завдань, вже перевищила 95%. На світовому ринку нейромережеві технології представлені широко - від дорогих систем на суперкомп'ютерах до ПК, роблячи їх доступними для додатків практично будь-якого рівня.
До основних переваг нейронних мереж можна віднести:
· здатність навчатися на безлічі прик...
