|
Курс "Применение нейронно-сетевых алгоритмов на базе системы MATLAB в экономическом и финансовом прогнозировании"
Курс посвящен применению нейронных сетей для прогнозирования финансовых потоков, оценки индексов курсов акций, кредитного риска.
Программа курса
1. Источники информации по теории и применению нейронных сетей.
2. Однослойный и многослойный перцептроны.
3. Управляемое обучение однонаправленных нейронных сетей.
4. Алгоритм обратного распространения.
5. Нейронная сеть как ориентированный граф.
6. Логические нейронно-сетевые операции с использованием однослойного перцептрона.
7. Логические нейронно-сетевые операции с использованием многослойного перцептрона.
8. Нейронные сети с обратными связями.
9. Функционирование нейронных сетей Хопфилда.
10. Многослойные нейронные сети, нейронно-сетевые алгоритмы обработки данных.
11. Нейронные сети в исследовании взаимосвязей и прогнозировании.
Что дает курс
- Возможность понять сильные и слабые стороны нейронных сетей
- Установить взаимосвязь между стандартными математическими методами обработки информации и нейронно-сетевыми алгоритмами
- Узнать возможности нейронно-сетевого инструментария системы MATLAB 6
- Определить роль и место нейронно-сетевых методов в областях, представляющих конкретный практический интерес
- Выделить наиболее важные источники информации по теории и применению нейронных сетей
- Определить, какие вопросы теории и практики нейронных сетей необходимо изучить более детально и подготовиться к освоению более сложного материала
Что надо знать
Чему Вы научитесь
- Выбирать нейронно-сетевую модель средствами системы MATLAB 6
- Конструировать нейронную сеть с помощью нейронно-сетевого инструментария системы MATLAB 6
- Оптимизировать архитектуру нейронной сети
- Применять нейронные сети для прогнозирования финансовых потоков
- Применять нейронные сети для оценки индексов курсов акций
- Применять нейронные сети для оценки кредитного риска
- Применять нейронные сети в торговых операциях
- Определять роль и место нейронно-сетевых методов в областях, представляющих для Вас конкретный практический интерес
Подробное содержание курса
- Общие сведения. Представление и методы обработки информации. Что есть нейронная сеть? Исторические сведения о нейронных сетях. Стандартные математические методы обработки информации и нейронно-сетевые алгоритмы. Биологические параллели. Искусственный интеллект и нейронная сеть. Источники информации по теории и применению нейронных сетей.
- Модели нейрона и нейронно-сетевые архитектуры. Адаптивный сумматор. Однослойный и многослойный перцептроны. Функция активации. Нейронная сеть с векторным выходом. Слой нейронов. Нейронная сеть как ориентированный граф. Оптимизация архитектуры нейронной сети. Построение нейронной сети в MATLAB.
- Управляемое обучение однонаправленных нейронных сетей. Обучение многослойного перцептрона. Теорема о сходимости процесса обучения многослойного перцептрона. Критерии ошибок. Правила обучения.
- Алгоритм обратного распространения. Обобщенное дельта-правило. Обратное распространение ошибки. Способы обеспечения и ускорения сходимости. Методы локальной оптимизации. Обучение нейронной сети в MATLAB.
- Логические нейронно-сетевые операции. Сепарабельность пространства. Логические нейронно-сетевые операции с использованием однослойного перцептрона. Логические нейронно-сетевые операции с использованием многослойного перцептрона.
- Классификация и моделирование временных рядов с использованием нейронных сетей. Цели классификации. Распознавание образов, структурное представление и статистическое представление. Вероятностная классификация. Статистический анализ временных рядов. Выбор нейронно-сетевой модели средствами MATLAB.
- Нейронные сети с обратными связями. Динамические нейроны и нейродинамика. Рекуррентные соотношения и ассоциативная память. Кодирование и декодирование информации. Нейронно-сетевое решение задачи нелинейной фильтрации данных.
- Функционирование нейронных сетей Хопфилда. Энергетические соотношения. Нейронные сети Хопфилда и оптимизация. Распознавание закономерностей в поведении цен акций с использованием нейронных сетей Хопфилда. Динамическое нейронно-сетевое моделирование в системе MATLAB.
- Практическое нейронно-сетевое моделирование. Графический интерфейс пользователя нейронно-сетевого инструментария системы MATLAB. Нейронно-сетевые алгоритмы обработки данных. Оптимизация архитектуры нейронной сети. Сравнительная оценка производительности нейронных сетей.
- Нейронные сети в исследовании взаимосвязей и прогнозировании. Прогнозирование финансовых потоков. Оценка индексов курсов акций. Оценка кредитного риска. Использование нейронных сетей в торговле.
Курс лекций подготовил и читает Рычагов Михаил Николаевич, д.ф.-м.н., профессор факультета электронных и компьютерных технологий МИЭТ.
Продолжительность курса: 24 акад. часа
|
