і їх називають також електронні таблиці) на сьогоднішній день, одні з найпоширеніших програмних продуктів, використовувані у всьому світі. Вони без спеціальних навичок дозволяють створювати досить складні додатки, які задовольняють до 90% запитів середніх користувачів. p align="justify"> Табличні редактори з'явилися практично одночасно з появою персональних комп'ютерів, коли з'явилося багато простих користувачів не знайомих з основами програмування. Першим табличним редактором, який отримав широке поширення, став Lotus 1-2-3, який став стандартом де-факто для табличних редакторів:
Автоматизація роботи користувача з ЕТ здійснюється за рахунок таких прийомів:
. Однорідні формули можна не набирати, а копіювати, причому формули копіюються з відповідною зміною адрес. 2. При зміні значення в якійсь комірці, всі комірки від неї залежні перераховуються. Використання в роботі різних майстрів: Майстер діаграм, Майстер функцій. 4. Для виконання аналізу даних, прогнозування, моделювання і т.д. користувачем можуть бути використані такі засоби з меню Сервіс, як Підбір параметра і Пошук рішення. При використанні даних функцій в діалогових вікнах необхідно задавати необхідні параметри, а процесор виконає необхідні розрахунки і підбере оптимальне рішення. br/>
Нейромережеві технології у фінансово-економічній діяльності
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 за 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.11 і Neuroforester v.5.1, в яких генетичний алгоритм керує 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. p align="justify"> 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, ...
