Форма обучения:
дистанционная
Стоимость самостоятельного обучения:
бесплатно
Доступ:
свободный
Документ об окончании:
 
Уровень:
Специалист
Длительность:
15:29:00
Студентов:
1513
Выпускников:
192
Качество курса:
4.43 | 4.13
В этом курсе лекций, прочитанном авторами в Финансово-Аналитическом Колледже МИФИ, мы знакомим читателя с основами нейросетевой обработки данных и примерами типовых применений, преимущественно в области финансов и бизнеса.
Опыт авторов свидетельствует, что главным препятствием к широкому практическому применению нейрокомпьютинга служит недостаточное понимание его основ. Этот курс писался с целью восполнить этот пробел. Поэтому основное внимание здесь уделяется описанию принципов нейросетевой обработки данных, их потенциальных возможностей и преимуществ, а также подробному разбору нескольких конкретных применений. Упор делается на концептуальной стороне дела, а не на описании конкретных алгоритмов. Предполагается, что в случае необходимости читатель сможет воспользоваться одним из многочисленных коммерческих нейро-эмуляторов, а не возьмется программировать нейросети "с нуля" на С++. Главная задача курса - научить читателя "видеть" нейросетевые постановки задач в его повседневной работе, помочь ему автоматизировать рутинную обработку сложной многофакторной информации с помощью современного математического аппарата - искусственных нейронных сетей. Хотя авторы старались избегать математических выкладок и, по возможности, упростить изложение, хотелось бы заранее предупредить, что материал этого курса рассчитан на достаточно подготовленного читателя - как минимум студента старших курсов. "Идеальный" читатель - студент, научный работник, финансовый аналитик, консультант, брокер или просто бизнесмен, желающий повысить эффективность своего бизнеса путем более вдумчивой работы с доступной ему информацией.
Специальности: Программист, Экономист
 

План занятий

Занятие
Заголовок <<
Дата изучения
Лекция 1
1 час 8 минут
Введение. Компьютеры и Мозг
Нейрокомпьютеры попадают в заголовки газет. Что отличает обработку информации в мозге и в современных компьютерах? Символьная и образная информация. Перспективы нейрокомпьютинга.
-
Тест 1
24 минуты
-
Лекция 2
1 час 7 минут
Нейрокомпьютеры: какие они?
Как начинался нейрокомпьютинг? Как выглядят современные нейрокомпьютеры? Какова их производительность и цена? Нейрокомпьютеры и нейро-эмуляторы. Как и где используют нейрокомпьютинг? Основные парадигмы нейрокомпьютинга. Анатомия нейросетей. Классификация нейро-архитектур.
-
Тест 2
24 минуты
-
Лекция 3
1 час 7 минут
Обучение с учителем: Распознавание образов
Персептроны. Прототипы задач: аппроксимация многомерных функций, классификация образов. Возможности персептронов. Обучение с обратным распространением ошибки. Эффект обобщения и переобучение. Оптимизация размеров сети: разрежение связей и конструктивные алгоритмы.
-
Тест 3
24 минуты
-
Лекция 4
58 минут
Обучение без учителя: Сжатие информации
Прототипы задач: кластеризация данных, анализ главных компонент, сжатие информации. Хеббовское обучение. Автоассоциативные сети. Конкурентное обучение. Сети Кохонена. Гибридные архитектуры.
-
Тест 4
21 минута
-
Лекция 5
1 час 8 минут
Рекуррентные сети: Ассоциативная память
Сеть Хопфилда и спиновые стекла. Энергия и динамика сети. Ассоциативная память: запись и воспроизведение. Емкость памяти: термодинамический подход. Чувствительность к огрублениям и повреждениям связей. Повышение емкости памяти: разобучение. Запоминание последовательностей образов. Сеть Хопфилда с точки зрения теории информации. Выделение прототипов и предсказание новых классов.
-
Лекция 6
1 час 6 минут
Нейросетевая оптимизация
Комбинаторная оптимизация и NP-полные задачи. Сеть Хопфилда решает задачу коммивояжера. Метод иммитации отжига. Оптимизация и сети Кохонена. Растущие нейронные сети. Другие "биологические" методы.
-
Лекция 7
59 минут
Предобработка данных
Как решаются конкретные задачи? Кодирование входов-выходов. Виды нормировки. Линейная предобработка входов. Понижение размерности и отбор наиболее значимых входов.
-
Лекция 8
1 час 5 минут
Предсказание финансовых временных рядов
Что обеспечивает доходность бизнеса, основанного на предсказаниях? Какова методика предсказания временных рядов? Специфика финансовых временных рядов. Как подбирать признаковое пространство? Какой функционал ошибки лучше? Норма прибыли нейросетевой игры на реальных данных.
-
Лекция 9
1 час 2 минуты
Извлечение знаний с помощью нейронных сетей
Искусственный интеллект, экспертные системы и нейронные сети. Извлечение правил из нейронных сетей. Алгоритм NeuroRule. Прореживание нейронных сетей. Обучение нейронных сетей с одновременным исправлением данных. Алгоритм TREPAN для извлечения деревьев решений с использованием нейронных сетей.
-
Лекция 10
44 минуты
Предсказание рисков и рейтингование
Зачем нужны и какие бывают рейтинги? Нейросетевое рейтингование ценных бумаг. Предсказание банкротств. Возможно ли объективное рейтингование? Пример нейросетевого анализа российских банков.
-
Лекция 11
1 час 26 минут
Нейронные сети и ...
Нейронные сети и статистика. Нейронные сети и нечеткая логика. Нейронные сети и экспертные системы. Нейронные сети и статистическая физика.
-
Лекция 12
6 минут
Заключение
Еще несколько примеров применений нейросетей в бизнесе: оценка стоимости квартир в Москве, карта состояний фондового рынка, категоризация крупнейших компаний России. Заключение
-
1 час 40 минут
-
Ирина Изотова
Ирина Изотова
Россия
Елена Сергеева
Елена Сергеева
Россия, Таганрог, ТРТУ, 2003