WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     || 2 | 3 | 4 | 5 |   ...   | 13 |

ПРОГНОЗИРОВАНИЕ НА ОСНОВЕ АППАРАТА НЕЙРОННЫХ СЕТЕЙ

Сидоркин К.В. Костюхин М.Н.

СОДЕРЖАНИЕ

стр.

ВВЕДЕНИЕ...................................................... 4

1. ПРОГНОЗИРУЮЩИЕ СИСТЕМЫ. СОСТОЯНИЕ ПРОБЛЕМЫ

1.1. Прогноз и цели его использования...................... 6

1.2. Основные понятия и определения проблемы

прогнозирования....................................... 9

1.3. Методы прогнозирования................................ 10

1.4. Модели временных последовательностей.................. 15

1.5. Критерии производительности........................... 17

ВЫВОДЫ........................................................ 18

2. НЕЙРОННЫЕ СЕТИ. СОСТОЯНИЕ ПРОБЛЕМЫ

2.1. Нейронные сети - основные понятия и определения....... 21

2.2. Модели нейронных сетей................................ 22

2.2.1. Модель Маккалоха............................... 22

2.2.2. Модель Розенблата.............................. 23

2.2.3. Модель Хопфилда................................ 24

2.2.4. Модель сети с обратным распространением........ 26

2.3. Задачи, решаемые на основе нейронных сетей............ 27

2.4. Способы реализации нейронных сетей.................... 29

ВЫВОДЫ........................................................ 30

3. ПРОГНОЗИРОВАНИЕ НА ОСНОВЕ НЕЙРОННЫХ СЕТЕЙ

3.1. Общий подход к прогнозированию с помощью нейронных

сетей................................................. 33

3.2. Применение нейронных сетей в финансовой сфере......... 35

ВЫВОДЫ........................................................ 39

4. НЕЙРОННЫЕ СЕТИ ОСНОВАННЫЕ НА МЕТОДЕ ОБРАТНОГО

ФУНКЦИОНИРОВАНИЯ

4.1. Обучение нейронных сетей.............................. 41

4.2. Алгоритм обратного распространения.................... 42

4.2.1. Идея создания алгоритма обратного

распространения................................ 42

4.2.2. Описание НС и алгоритма обратного

распространениея............................... 42

4.2.3. Современная оценка алгоритма обратного

распространения................................ 44

ВЫВОДЫ........................................................ 45

5. ПРОГНОЗИРОВАНИЕ КУРСА UKB/USD

5.1. Общий подход к прогнозированию курса UKB/USD......... 48

5.2. Описание экспериментов................................ 50

ВЫВОДЫ........................................................ 64

ЗАКЛЮЧЕНИЕ.................................................... 66

ЛИТЕРАТУРА.................................................... 67


- 3 -

ПРИЛОЖЕНИЯ

ПРИЛОЖЕНИЕ 1. Еженедельные продажи режущего инструмента....... 70

ПРИЛОЖЕНИЕ 2.1 Результаты экспериментов 14-18................. 71

ПРИЛОЖЕНИЕ 2.2 Результаты экспериментов 19-21,34,35........... 72

ПРИЛОЖЕНИЕ 2.3 Результаты экспериментов 36-38................. 73

ПРИЛОЖЕНИЕ 3. Результаты прогноза UKB/USD..................... 74

ВВЕДЕНИЕ

Целью данной работы является разработка методов прогнозиро-

вания основанных на нейронных сетях (НС), которые может быть ис-

пользованы в прогнозирующих системах. На основе этих методов воз-

можно предсказание значения переменных, важных в процессе приня-

тия решений. Эти методы анализируют исторические данные о пере-

менной с целью оценить ее будущее изменение.

Для достижения указанной цели необходимо решить следующие

задачи:

- провести анализ проблемы прогнозирования;

- провести сравнительный анализ известных моделей НС;

- выбрать модель, обеспечивающую эффективное решение задачи

прогнозирования;

- провести исследование предложенной модели;

- реализовать тестовый пример для выбранной модели.

Основное содержание работы:

Во введении сформулирована цель и основные задачи исследова-

ния, изложены основные положения разделов работы.

В первой главе мы обсуждаем некоторые общие аспекты разра-

ботки прогнозирующих систем: понятие прогноза и цели его ис-

пользования, основные понятия и определения в области прогнозиро-

вания, методы прогнозирования, модели временных последовательнос-

тей, критерии производительности прогнозирующих систем и другие

общие вопросы касающиеся разработки прогнозирующих систем.

Во второй главе мы обсуждаем известные модели НС: модель

Маккалоха и Питтса; модель Розенблата; модели Хопфилда и Больцма-

на; модель на основе обратного распространения. Рассмотрена

структура и особенности каждой из моделей. Перечислены основные

задачи решаемые на основе НС, описаны способы реализации НС. Про-

веден анализ известных моделей НС с точки зрения решения решения

задачи прогнозирования.

В третьей главе описан способ прогнозирования с помощью НС,

основанный на методе окон. Также приведен обзор применения НС в

финансовой сфере.

В четвертой главе мы приводим детальное описание метода об-

ратного распространения - способа обучения многослойных НС. Под-

робно описана НС для распознавания рукописных цифр и и процесс ее

обучения. В главе также проведена современная оценка метода об-

ратного распространения.

В пятой главе описаны эксперименты по прогнозированию курса

американского доллара по отношению к украинскому карбованцу

(UKB/USD). Сначала описаны задачи исследования и общая структура

экспериментов. Далее описаны проделанные эксперименты, при этом

подробно перечислены особенности каждого из них. Для эксперимен-

тов, которые показали удовлетворительные результаты обучения

(сеть распознала не менее 80% образов, на которых обучалась) в

приложениях приведены таблицы с подробным описанием результатов

по каждому образу, который распознавался.

Завершается работа заключением, в котором сделаны основные

теоретические и практические выводы, указана перспектива дальней-

ших исследований, а также приведены список использованной литера-

туры и приложения.


- -

АННОТАЦИЯ

В данной дипломной работе разработан оригинальнй подход к

проблеме прогнозирования, на основе нейронных сетей. При помощи

нейронной сети основанной на алгоритме обратного функционирова-

ния, были спрогнозированы изменения курса доллара США по отноше-

нию к украинскому карбованцу. Эксперимент дал хорошие результаты

по достоверности. Разработанна модель прогнозирования может быть

применена и при прогнозировании других экономических показате-

лей.

ANNOTATION

In this diploma work the original approach to forecasting

problem is developed. This approach based of neural nets mode-

ling. By the book propogation neural net, relative change rate

for USD/UKB was predicted. The elaboration was successful and

profitable. The model developed for problem discussed may be

successfuly used of a number of management solution forecasting.

СПИСОК СОКРАЩЕНИЙ

ВТ - вычислительная техника;

ИИ - искуственный интеллект;

ЦУ - цифровое устройство;

ЭС - экспертная система;

НС - нейронная сеть;

ИК - изменение курса;

ОИК - относительное изменение курса;

ОИК в % - относительное изменение курса в процентах;

DM - немецкая марка;

SUR - российский рубль;

USD - американский доллар;

UKB - украинский карбованец.

ПЕРЕЧЕНЬ ГРАФИЧЕСКИХ МАТЕРИАЛОВ

1. Модель нейрона и виды переходной функции.

2. Модели нейронных сетей.

3. Схема обучения НС с обратным функционированием.

4. Относительное изменение курса за 1995г.

5. Курс доллара и его прогноз за 1995г.

6. График взаимосвязи спроса и предложения доллара.

1. ПРОГНОЗИРУЮЩИЕ СИСТЕМЫ. СОСТОЯНИЕ ПРОБЛЕМЫ

В данной главе мы обсуждаем некоторые общие аспекты разра-

ботки прогнозирующих систем: понятие прогноза и цели его ис-

пользования, основные понятия и определения в области прогнозиро-

вания, методы прогнозирования, модели временных последовательнос-

тей, критерии производительности прогнозирующих систем и другие

общие вопросы касающиеся разработки прогнозирующих систем.

1.1. Прогноз и цели его использования

Прогнозирование - это ключевой момент при принятии решений

в управлении. Конечная эффективность любого решения зависит от

последовательности событий, возникающих уже после принятия реше-

ния. Возможность предсказать неуправляемые аспекты этих событий

перед принятием решения позволяет сделать наилучший выбор, кото-

рый, в противном случае, мог-бы быть не таким удачным. По-этому

системы планирования и управления, обычно, реализуют функцию

прогноза. Далее перечислены примеры ситуаций [44], в которых по-

лезно прогнозирование.

Управление материально-производственными запасами. В управ-

лении запасами запасных частей на предприятии по ремонту самоле-

тов совершенно необходимо оценить степень используемости каждой

детали. На основе этой информации определяется необходимое коли-

чество запасных частей. Кроме того, необходимо оценить ошибку

прогнозирования. Эта ошибка может быть оценена, например, на ос-

нове данных о времени, которое понадобилось для доставки деталей,

которых не было на складе.

Планирование производства. Для того, чтобы планировать

производство семейства продуктов, возможно, необходимо спрогнози-

ровать продажу для каждого наименования продукта, с учетом време-

ни доставки, на несколько месяцев вперед. Эти прогнозы для конеч-

ных продуктов могут быть потом преобразованы в требования к полу-

фабрикатам, компонентам, материалам, рабочим и т.д. Таким обра-

зом на основании прогноза может быть построен график работы це-

лой группы предприятий.

Финансовое планирование. Финансового менеджера интересует

как будет изменяться денежный оборот компании с течением времени.

Менеджер, может пожелать узнать, в какой период времени в буду-

щем оборот компании начнет падать, с тем, чтобы принять соответ-

ствующее решение уже сейчас.

Разработка расписания персонала. Менеджер почтовой компании

должен знать прогноз количества обрабатываемых писем, с тем что-

бы обработка производилась в соответствии с расписанием персона-

ла и производительностью оборудования.

Планирование нового продукта. Решение о разработке нового

продукта обычно требует долговременного прогноза того, каким

спросом он будет пользоваться. Этот прогноз не менее важен, чем

определение инвестиций необходимых для его производства.

Управление технологическим процессом. Прогнозирование также

может быть важной частью систем управления технологическими про-

цессами. Наблюдая ключевые переменные процесса и используя их для

предсказания будущего поведения процесса, можно определить опти-

мальное время и длительность управляющего воздействия. Например,

некоторое воздействие в течение часа может повышать эффектив-

ность химического процесса, а потом оно может снижать эффектив-

ность процесса. Прогнозирование производительности процесса мо-

жет быть полезно при планировании времени окончания процесса и

общего рассписания производства.

На основании вышеизложенного можно сказать, что прогнозиро-

вание - это предсказание будущих событий. Целью прогнозирования

является уменьшение риска при принятии решений. Прогноз обычно

получается ошибочным, но ошибка зависит от используемой прогнози-

рующей системы. Предоставляя прогнозу больше ресурсов, мы можем

увеличить точность прогноза и уменьшить убытки, связанные с неоп-

ределенностью при принятии решений. Эти соображения отображены на

рис.1.1. На рисунке показано что стоимость прогноза увеличивает-

ся по мере того, как уменьшаются убытки от неопределенности. При

некотором уровне ошибки прогнозирования затраты на прогнозирова-

ние минимальны.

Затраты │ Общая

│ стоимость

│ Потери |

│ из-за |

│ неопре- |

│ деленности |

│ | Стоимость

│ | прогнозирования

L-----------------------------------------------

Оптимум

Уровень

ошибки

Рис. 1.3. График иллюстрирующий соотношение и эффективность

затрат на прогнозирование.

Заметим, что концептуальная модель, изображенная на рис.1.1

основана на асимптотическом снижении убытков при использовании

результатов прогнозирования. Таким образом, каждый дополни-

тельный доллар, потраченный на прогнозирование дает меньшее сни-

жение риска убытков, чем предыдущий. За некоторой точкой, допол-

нительные затраты на прогнозирование могут вовсе не приводить к

снижению потерь. Это связано с тем, что невозможно снизить сред-

нюю ошибку прогнозирования ниже определенного уровня, вне зависи-

мости от того насколько сложен примененный метод прогнозирования.

Поскольку прогнозирование никогда не сможет полностью унич-

тожить риск при принятии решений, необходимо явно определять не-

точность прогноза. Обычно, принимаемое решение определяется ре-

зультатами прогноза (при этом предполагается, что прогноз пра-

вильный) с учетом возможной ошибки прогнозирования.

Сказанное выше предполагает, что прогнозирующая система дол-

жна обеспечивать определение ошибки прогнозирования, также как и

само прогнозирование. Такой подход значительно снижает риск

объективно связанный с процессом принятия решений.

Необходимо отметить, что прогнозирование это не конечная

цель. Прогнозирующая система это часть большой системы менеджмен-

та и как подсистема, она взаимодействует с другими компонентами

системы, играя немалую роль в получаемом результате.

1.2. Основные понятия и определения проблемы прогнозирования

Необходимо отметить, что мы рассматриваем прогнозирование в

целях планирования производства или управления запасами. Таким

образом, наш интерес лежит в определении будущих продаж продукта,

или использовании материалов. Обычно мы будем ссылаться на инте-

ресующую нас переменную, как на "требование". Конечно, только та-

Pages:     || 2 | 3 | 4 | 5 |   ...   | 13 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.