Тенденції розвитку фондових ринків у контексті світової інтеграції. Деякі негативні аспекти світової інтеграції. Моніторинг ринку праці при трансформації ринкової економіки, страница 24

Класифікація образів. Завдання полягає у визначенні належності вхідно­го обра­за (наприклад, мовного сигналу чи рукописного символу), представленого век­тором ознак, до одного чи декількох попередньо визначених класів. До відомих зас­тосу­вань відносяться розпізнавання букв, розпізнавання мови, класифікація сигналу електрокардіограми, класифікація клітин крові.

Кластеризація/категоризація. При вирішенні завдання кластеризації, що ві­до­ме також як класифікація образів "без вчителя", навчальна множина з певними класами відсутня. Алгоритм кластеризації базується на схожості образів і об’єднує близькі образи в один кластер. Відомі випадки застосування кластеризації для здо­буття знань, стиснення даних і дослідження властивостей даних [4].

Апроксимація функцій. Припустимо, що є навчальна вибірка ((x1,y1), (x2,y2)..., (xn,yn)) (пари даних вхід – вихід), яка генерується невідомою функцією F, спотво­ре­ною шумом. Завдання апроксимації полягає в знаходженні невідомої функції F. Апрок­сима­ція функцій необхідна при розв'язанні численних інженерних і наукових задач моделювання.

Передбачення/прогноз. Нехай задані n дискретних відліків {y(t1), y(t2),..., y(tn)} у послідовні моменти часу t1, t2,..., tn. Завдання полягає в передбаченні значення y(tn+1) у деякий майбутній момент часу tn+1. Передбачення/прогноз має значний вплив на ухвалення рішень у бізнесі, науці та техніці (передбачення цін на фондовій біржі, прогноз погоди).

Оптимізація. Численні проблеми в математиці, статистиці, техніці, науці, ме­ди­цині й економіці можуть розглядатися як проблеми оптимізації. Завданням алго­ритму оптимізації є знаходження такого рішення, що задовольняє систему обме­жень і максимізує чи мінімізує цільову функцію.

Пам’ять, що адресується за змістом. У традиційних комп’ютерах звертання до пам’яті доступне тільки за допомогою адреси, що не залежить від змісту пам’яті. Більше того, якщо допущена помилка в обчисленні адреси, то може бути знайдена зовсім інша інформація. Асоціативна пам’ять, чи пам’ять, що адресується за зміс­том, доступна за вказівкою заданого змісту. Вміст пам’яті може бути викликано навіть по частковому входу чи спотвореному змісту. Асоціативна пам’ять надзви­чайно бажана при створенні мультимедійних інформаційних баз даних.

Управління. Розглянемо динамічну систему, задану сукупністю {u(t), y(t)}, де u(t) є вхідним управлінським впливом, а y(t) — виходом системи в момент часу t. У сис­темах управління з еталонною моделлю його метою є розрахунок такого вхід­ного впливу u(t), при якому система діє за бажаною траєкторією, заданою ета­лон­ною моделлю. Прикладом є оптимальне управління двигуном.

Але, незважаючи на переваги нейронних мереж в часткових галузях над тра­ди­ційними обчисленнями, існуючі нейромережі є недосконалими рішеннями. Вони навчаються і можуть робити "помилки". Окрім того, не можна гарантувати, що роз­роблена мережа є оптимальною. Застосування нейромереж вимагає від розробника виконання ряду умов, які включають: множину даних, що включає інфор­мацію, яка може характеризувати проблему; відповідно встановлену за розміром мно­жину даних для навчання й тестування мережі; розуміння базової природи проб­леми, яка буде ви­рі­шена; вибір функції суматора, передатної функції та методів нав­чання; розуміння інструментальних засобів розробника; відповідну потужність обробки.

Новий шлях обчислень вимагає вмінь розробника поза межами традиційних обчислень. Спочатку обчислення були лише апаратними. Потім з’явилися спеціа­лісти з програмного забезпечення: програмісти, системні інженери, спеціалісти з баз даних та проектувальники. Тепер є нейронні архітектори. Новий професіонал повинен мати кваліфікацію, відмінну від його попередників.

___________

Література: 1. Основи інформаційних систем / За ред. В. Ф. Ситника. — К.: КНЕУ, 2001. — 420 с. 2. Циганов О. Є. Сучасні математико-кібернетичні методи, що застосовуються у системах підтримки прийняття рішень // nc.ufei.ukrsat.com. 3. Сучасні напрямки розвитку нейрокомп’ютерних технологій // www.polynet.lviv.ua. 4. Уосермен П. Нейрокомп’ютерна техніка. Теорія і практика // www.victoria.lviv.ua/library/.