MATLAB.Exponenta
–Û·Ë͇ Matlab&Toolboxes

Внимание! Обучение проводится только для лицензионных пользователей MATLAB.

 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

  • Основные возможности ОС Windows
  • Необходимо освоить курс "Введение в систему MATLAB 6" или обладать эквивалентным набором знаний и умений.

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.

Продолжительность курса: 8 академических часов


Поиск по сайту:

Система Orphus

Яндекс.Метрика