SIMLearn

  • Печать

Нейросетевые технологии

  1. Нейрокомпьютеры и нейро-эмуляторы. Основные парадигмы нейро-компьютинга. Классификация нейро-архитектур.
  2. Сети без обратных связей. Обучение с учителем. Прототипы задач: аппроксимация многомерных функций, классификация образов. Обучение с обратным распространением ошибки. Оценка сложности обучения. Эффекты обобщения и переобучения. Способы борьбы с переобучением.
  3. Оптимизация архитектуры сети. Прореживание связей. Очистка данных. Метод комитетов. Примеры применений.
  4. Сети с локальным (радиальным) базисом. Локальная и глобальная аппроксимация -- два типа нейронов. Обучение сетей с локальным базисом. Сравнительный анализ архитектур RBF и MLP. Применения сетей с радиальным базисом.
  5. Обучение без учителя. Нейросетевое преобразование данных. Хеббовское обучение, конкурентное обучение, метод узкого горла. Примеры применений.
  6. Сети с обратными связями. Ассоциативная память. Сеть Хопфилда. Способы увеличения емкости сети. Чувствительность к огрублениям и повреждениям связей.
  7. Автоассоциативные сети. Кодирование на скрытом слое: автоассоциативные сети. Выделение нелинейных главных компонент. Рекурсивная автоассоциативная память. Запоминание последовательностей и деревьев.
  8. Предобработка данных. Кодирование входов-выходов. Виды нормировки. Линейная предобработка входов. Понижение размерности и отбор наиболее значимых входов. Способы автоматического формирования признакого пространства.
  9. Финансовые приложения нейросетей. Предсказание финансовых временных рядов. Оценка рисков и анализ банкротств. Рейтингование. Моделирование рыночного поведения.