Исследование методов прогнозирования стохастических процессов с использованием нейронный сетей
Получение качественного прогноза. Повышение качества и точности прогнозирования, посредством выбора метода прогнозирования и разработки программного продукта, построенного на нейронной сети. Экспериментальная оценка эффективности предлагаемых критериев.
Рубрика | Программирование, компьютеры и кибернетика |
Вид | статья |
Язык | русский |
Дата добавления | 21.02.2019 |
Размер файла | 12,7 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
Исследование методов прогнозирования стохастических процессов с использованием нейронный сетей
Зашеловский А.Е., научный руководитель Лясин Д.Н.
Волжский политехнический институт (филиал) ФГБОУ ВО "Волгоградский государственный технический университет"
Волжский, Россия
ВВЕДЕНИЕ
Прогнозирование является разработкой прогнозов, а различные прогнозы, в свою очередь тесно интегрированы в жизнь человека (прогнозы погоды, технологические прогнозы, экономические погоды и другие). Необходимость прогноза объясняется желанием человека быть подготовленным к различным ситуациям и чем точнее прогноз, тем лучше подготовка.
Исследование методов прогнозирования стохастических процессов является актуальной проблемой, так как различные методы дают различные в плане точности результаты.
Выявлению метода прогнозирования, дающего качественные, эффективные и точные прогнозы посвящена данная работа.
ПОСТАНОВКА ПРОБЛЕМЫ
Проблема получения качественного прогноза связана с методом прогнозирования, а также со сферой проведения прогноза.
Метод является нетривиальным приёмом, упорядоченной совокупностью тривиальных приёмов, направленных, на разработку прогноза в целом.
Метод прогнозирования -- совокупность приемов (способов) выполнения прогностических операций, направленных на получение информации о вероятном стечении обстоятельств в будущем, на основе анализа исходных данных и зависимых величин.
Целью данной работы: повышение качества и точности прогнозирования, посредством выбора метода прогнозирования и разработки программного продукта, построенного на нейронной сети. Для достижения поставленной цели требуется решить следующие задачи:
1) Обзор методов прогнозирования. Выбор конкретного метода;
2) Исследование алгоритмов построения нейронных сетей;
3) Математическое описание построения нейронной сети;
4) Программная реализация средства прогнозирования;
5) Экспериментальная оценка эффективности предлагаемых критериев и алгоритмов;
прогноз нейронный сеть программный
ОБЗОР ПРЕДМЕТНОЙ ОБЛАСТИ ПРОГНЗИРОВАНИЯ
В настоящее время существует более ста методов прогнозирования и с каждым годом их количество продолжает увеличиваться.
Самыми популярными можно назвать: фактографические, экспертные, сценарные, матричные, публикационные, моделирование и т.д.
При прогнозирование какого-либо объекта, чаще всего, приходится прогнозировать несколько показателей этого объекта. При этом, прогноз одного показателя можно выполнять одним методом, а следующего показателя -- другим.
Фактографические методы основываются на экстраполяции событий, закономерности которых являются хорошо известными.
Метод моделирования основывается на построении уменьшенной точной копии исследуемого объекта и проведение с этой копией ряда экспериментов.
Сценарные методы дают возможность сопоставлять различные вероятные, нежелательные или желательные перспективы развития.
Для прогнозирования была выбрана экономическая сфера -- прогнозирование котировок, в данной работе будет сделан обзор различных методов, выбран метод(ы) прогнозирования, нужный(е) под выбранную область исследования.
Во времена научно-технической революции появилось понятие «искусственная нейронная сеть» -- математическая модель (и её программная реализация), получившая такое название из-за схожести по принципу организации и функционирования на биологические нейронные сети.
В настоящее время интерес к искусственным нейронным сетям возрос. Одной из практических целей применения нейронной сети является прогнозирование.
ВЫВОД
Для данного исследования ставится ряд задач:
1) Обзор методов прогнозирования;
2) Выбор метода прогнозирования для конкретной области;
3) Разработка программного средства, реализуемого на нейронной сети;
4) Повышение эффективности и точности прогнозов;
Размещено на Allbest.ru
...Подобные документы
Математические модели, построенные по принципу организации и функционирования биологических нейронных сетей, их программные или аппаратные реализации. Разработка нейронной сети типа "многослойный персептрон" для прогнозирования выбора токарного станка.
курсовая работа [549,7 K], добавлен 03.03.2015Прогнозирование валютных курсов с использованием искусственной нейронной сети. Общая характеристика среды программирования Delphi 7. Существующие методы прогнозирования. Характеристика нечетких нейронных сетей. Инструкция по работе с программой.
курсовая работа [2,2 M], добавлен 12.11.2010Исследование задачи и перспектив использования нейронных сетей на радиально-базисных функциях для прогнозирования основных экономических показателей: валовый внутренний продукт, национальный доход Украины и индекс потребительских цен. Оценка результатов.
курсовая работа [4,9 M], добавлен 14.12.2014Анализ применения нейронных сетей для прогнозирования ситуации и принятия решений на фондовом рынке с помощью программного пакета моделирования нейронных сетей Trajan 3.0. Преобразование первичных данных, таблиц. Эргономическая оценка программы.
дипломная работа [3,8 M], добавлен 27.06.2011Прогнозирование на фондовом рынке с помощью нейронных сетей. Описание типа нейронной сети. Определение входных данных и их обработка. Архитектура нейронной сети. Точность результата. Моделирование торговли. Нейронная сеть прямого распространения сигнала.
дипломная работа [2,7 M], добавлен 18.02.2017Проект автоматизированной системы прогнозирования относительного курса валютных пар для международной валютной биржи Forex с использованием нейронных сетей. Требования к техническому обеспечению. Обоснование выбора средств автоматизации программы.
курсовая работа [1,3 M], добавлен 05.01.2013Архитектура программного продукта и требования к платформе, обоснование выбора разработки. Закономерности и основные этапы алгоритмизации и программирования, а также отладка и тестирование продукта. Разработка и содержание руководства пользователя.
дипломная работа [2,3 M], добавлен 19.01.2017Функциональные возможности программного продукта. Требования к программным и аппаратным средствам. Обоснование выбора наилучшей модели для прогнозирования стоимостных показателей объектов. Разработка пользовательского интерфейса и модулей программы.
дипломная работа [2,3 M], добавлен 24.06.2013Выбор публичных показателей для построения, обучения и тестирования модели нейронной сети, которая будет использована в основе информационной системы прогнозирования банкротства банков. Обзор моделей прогнозирования банкротства кредитных организаций.
дипломная работа [1,2 M], добавлен 30.06.2017Роль, место, структура прогнозирования и предсказывания в информационно-аналитической работе. Характеристика его методов: имитационного моделирования, морфологического анализа,"дерева целей", неформального прогнозирования. Основные правила их составления.
контрольная работа [90,3 K], добавлен 19.04.2011Задача анализа деловой активности, факторы, влияющие на принятие решений. Современные информационные технологии и нейронные сети: принципы их работы. Исследование применения нейронных сетей в задачах прогнозирования финансовых ситуаций и принятия решений.
дипломная работа [955,3 K], добавлен 06.11.2011Разработка системы прогнозирования временных рядов динамики продаж товаров с учетом факторов влияния ForExSal, предназначенной для определения краткосрочного прогноза предполагаемого спроса. Анализ концептуальной и функциональной схемы работы системы.
отчет по практике [1,9 M], добавлен 27.03.2011Проектирование экспертной системы выбора нейронной сети. Сущность семантических сетей и фреймов. MatLab и системы Фаззи-регулирования. Реализация программы с использованием пакета fuzzy logic toolbox системы MatLab 7. Составление продукционных правил.
курсовая работа [904,4 K], добавлен 17.03.2016Нейронные сети и оценка возможности их применения к распознаванию подвижных объектов. Обучение нейронной сети распознаванию вращающегося трехмерного объекта. Задача управления огнем самолета по самолету. Оценка экономической эффективности программы.
дипломная работа [2,4 M], добавлен 07.02.2013Математическая модель нейронной сети. Однослойный и многослойный персептрон, рекуррентные сети. Обучение нейронных сетей с учителем и без него. Алгоритм обратного распространения ошибки. Подготовка данных, схема системы сети с динамическим объектом.
дипломная работа [2,6 M], добавлен 23.09.2013Нейронные сети как средство анализа процесса продаж мобильных телефонов. Автоматизированные решения на основе технологии нейронных сетей. Разработка программы прогнозирования оптово-розничных продаж мобильных телефонов на основе нейронных сетей.
дипломная работа [4,6 M], добавлен 22.09.2011Разработка алгоритма и программы для распознавания пола по фотографии с использованием искусственной нейронной сети. Создание алгоритмов: математического, работы с приложением, установки весов, реализации функции активации и обучения нейронной сети.
курсовая работа [1,0 M], добавлен 05.01.2013Изучение и реализация системы, использующей возможности Microsoft Azure для распределенного обучения нейронной сети. Рассмотрение функционирования распределенных вычислений. Выбор задачи для исследования; тестирование данного программного ресурса.
дипломная работа [2,0 M], добавлен 20.07.2015Общие принципы работы систем биометрической идентификации личности. Программные инструменты для разработки приложения, осуществляющего идентификацию пользователя на основе его клавиатурного почерка. Проектирование базы данных и структуры нейронной сети.
дипломная работа [1,3 M], добавлен 20.12.2013Математическая модель искусственной нейронной сети. Структура многослойного персептрона. Обучение без учителя, методом соревнования. Правило коррекции по ошибке. Метод Хэбба. Генетический алгоритм. Применение нейронных сетей для синтеза регуляторов.
дипломная работа [1,5 M], добавлен 17.09.2013