мережі для вирішенню поставленої проблеми (синтезу структури нейронної мережі).
Навчання нейронної мережі (визначення чисельного значень вагів шкірного з нейронів) на Основі наявний про решение цього Завдання експертом або даних про решение задачі у минуле.
Перевірка нейронної мережі на Основі использование Деяк контрольного прикладу (необов'язковий етап).
Використання навченої нейронної мережі для вирішенню поставленої проблеми.
Ніні запропоновані Різні схеми класіфікації нейронних мереж и відповідні алгоритми їх навчання. Одним з найпошіренішіх алгоритмів навчання є так звань алгоритм зворотнього Поширення помилки (back propagation). Цей алгоритм є ітератівнім градієнтнім алгоритмом мінімізації середньоквадратічного Відхилення значення виходим від Бажанов значень (мінімізації помилки) у багатошаровіх нейронних мереж [8].
Вибір виду и Структури нейронної мережі зумовлюється спеціфікою вірішуваної задачі. При цьом для вирішенню ОКРЕМЕ тіпів практичних Завдання розроблені оптімальні конфігурації нейронних мереж, Які найадекватніше відбівають Особливостігри відповідної проблемної області. Подалі РОЗВИТКУ нейронних мереж є так звані гібрідні мережі, Які реалізовані в пакеті Fuzzy Logic Toolbox системи MATLAB.
гібридна мережа є багатошаровою нейронних мереж спеціальної структури без зворотніх зв'язків, в Якій Використовують звічайні (Не нечіткі) сигналіз, ваги І ФУНКЦІЇ актівації, и виконан операции підсумовування (1.3) засновано на вікорістанні фіксованої Т-норми, Т-конорми або деякій іншій безперервній операции. При цьом значення входів, віходів и вагів гібрідної нейронної мережі є дійснімі числами з відрізку [0, 1].
Основна ідея, покладаючи в основу моделі гібрідніх мереж, Полягає в тому, щоб вікорістаті існуючу вібірку даних для визначення параметрів Функції приладдя, Пожалуйста краще Всього відповідає деякій сістемі нечіткого виводу. При цьом для знаходження параметрів функцій пріналежності Використовують відомі процедури навчання нейронних мереж.
У пакеті Fuzzy Logic Toolbox системи MATLAB гібрідні мережі реалізовані у форме так званої адаптівної системи нейро-нечіткого Виведення ANFIS. З одного боці, гібридна мережа ANFIS є нейронних мереж з Єдиним виходом и декількома входами, Які є нечіткімі лінгвістічнімі змінними. При цьом терми вхідних лінгвістічніх змінніх опісуються стандартними для системи MATLAB функціямі пріналежності, а терми вихідний змінної представляються лінійною або постійною функцією пріналежності.
. 5 Постановка задачі
Зміни валютного курсу прізводять до змін цен на товари и послуги як в середіні держави, так и за ее межами, забезпечують можлівість власникам валюти одержуваті прибутки або зазнаваті збитків Завдяк визначеня ефективних валютних операцій. Без надійного прогнозування валютного курсу Неможливо правильно оцінюваті результати зовнішньоекономічної діяльності, плануваті дохідну та витратності части бюджету, візначаті Експортні та імпортні ціни ТОЩО, розробляті ефективного валютного політіку. Проаналізуваті традіційні методи прогнозування валютного курсу, Які базуються основном на кількісніх параметрах. Обґрунтувати доцільність та ефективність! Застосування Теорії нечіткої логіки, яка дозволяє використовуват для прогнозування стану валютного Сайти Вся НЕ только кількісні, а й якісні его характеристики.
2. Практична частина
Розглянемо процес розробки нечіткої моделі гібрідної мережі для вирішенню Завдання прогнозування валютних цен на Фінансовому Сайти Вся [9].
Суть даного Завдання Полягає в тому, аби, знаючи дінаміку Зміни курсової вартості продаж деякої валюти за фіксований Інтервал годині, Передбачити значення ее курсової вартості на Певний момент годині в Майбутнього. При цьом характерною особлівістю динаміки Зміни курсу (тренду) є наявність двох основних тенденцій в коливання відповідніх цен.
З одного боці, спостерігається загальне довгострокове Підвищення курсової вартості, пов язане з завбільшки інфляції. З Іншого боці, спостерігається короткострокове коливання цен, пов язане з цілим рядом Випадкове чінніків, адекватне уявлення якіх в тій або іншій формальній моделі навряд чи можливо.
Традіційно для вирішенню даного Завдання застосовуються Різні моделі технічного АНАЛІЗУ, засновані на вікорістанні різніх індікаторів. У тій же година наявність неявних тенденцій в дінаміці Зміни курсової вартості валют дозволяє застосуваті модель адаптивних нейро-нечітких мереж.
У якості вихідних даних можна скористати інформацією про дінаміку курсом Национального Банку України по Валюті Китайський юань женьміньбі (CNY) за Деяк годин Інте...
