Содержание
Введение 4
1. Основные положения теории искусственных нейронных сетей 5
1.1. Биологический нейрон 5
1.2. Структура и свойства искусственного нейрона 5
1.3. Классификация нейронных сетей и их свойства 7
1.4. Построение нейронной сети 8
1.5. Обучение нейронной сети 8
1.6. Применение обученной нейронной сети 9
2. Прогнозирование временных рядов с помощью нейронных сетей. 11
2.1.Однопараметрическая задача прогнозирования 11
2.2. Многопараметрическая задача прогнозирования 12
2.3. Одношаговое прогнозирование 13
2.4. Многошаговое прогнозирование 15
2.5. Многошаговое прогнозирование с переобучением сети 16
2.6. Критерии оценки качества функционирования нейронной сети 18
2.7.Оценка точности прогноза 19
2.8 Общий алгоритм прогнозирования с помощью нейронных сетей 20
3. Прогнозирование котировок USD/CHF в NeuroSolution 23
Заключение 26
Список литературы
Выдержка из текста
Целью данной курсовой работы является изучение теории применения нейронных сетей в задачах прогнозирования, а также практическая реализация задачи прогнозирования валютного курса в нейропакете NeuroSolution.
Работа состоит из трех частей:
первая – содержит теоретические основы нейронных сетей, обучение и области их применения;
вторая – теорию применения нейронных сетей в задачах прогнозирования;
третья – практическая часть. В ней строится прогноз курса швейцарский франк/доллар в пакете NeuroSolution.
Список использованной литературы
1. Барский А.Б. Нейронные сети. Распознавание, управление принятие решений. М.:Финансы и статистика. 2004. С. 176.
2. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия — Телеком. 2002. С. 382.
3. Канторович Г.Г. Анализ временных рядов. М: Лекционные и методические материалы. 2002. С. 388.
4. Вороновский Г.С., Махотило К.В., Петрашев С.Н., Сергеев С.А. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности // Компьютер Пресс. 2005. №1. С. 105.
5. Кальченко Д. Нейронные сети на пороге будущего // Компьютер Пресс. 2005. №4. С. 100.
6. Нейронные сети – математический аппарат: [сайт]. URL: http://BaseGroup.ru (дата обращения 11.04.2009).
7. Быстрое обучение нейронной сети: [сайт]. URL: http://bezpeka.com (дата обращения 11.04.2009).
8. Применение нейронных сетей для решения задач: [сайт]. URL: http://s.s.groteck.ru (дата обращения 2.04.2009).
9. Гордийчук П.В. Прогнозирование временных рядов с помощью нейронных сетей // Дипломная работа. 2005. С. 136.
С этим материалом также изучают
... 2004. (Профессиональное образование); Вуколов Э.А. «Анализ временных рядов». Учебное пособие. – М.: МИЭТ, 1997. Вуколов Э.А. ... Анализ автокорреляционной функции•Определение сезонных составляющих•Прогнозирование ряда по тренду и сезонной составляющей• ...
Изучите пошаговое руководство по созданию дипломной работы о сетях Кохонена для анализа временных рядов. В статье детально разобрана академическая структура, методология применения SOM, выбор метрик оценки и практические аспекты реализации.
... анализ временных рядов. Здесь рассчитываются показатели рядов динамики, выявляется и характеризуется основная тенденция развития ряда динамики и происходит прогнозирование временных рядов. Список литературы 1.Горемыкина Т.К. Общая теория статистики: ...
... обратного распространения 28 2.4. Обучение без учителя: самоорганизующиеся сети 29 3. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ И ОЦЕНКА ЭФФЕКТИВНОСТИ МОДЕЛИ КОМПЬЮТЕРНЫХ НЕЙРОННЫХ СЕТЕЙ ЗАДАЧАХ ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ 36 3.1. Алгоритм оценки ...
... Обучение без учителя: самоорганизующиеся структуры 29 3. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ И ОЦЕНКА ЭФФЕКТИВНОСТИ МОДЕЛИ СЕТЕЙ КОХОНЕНА В ЗАДАЧАХ ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ 35 3.1. Особенности программной реализации моделей нейронных сетей ...
Узнайте все о нейронных сетях в одном материале. Подробно рассматриваем структуру, ключевые алгоритмы обучения, такие как обратное распространение ошибки, популярные архитектуры (CNN, RNN) и их практическое применение в реальном мире.
Ищете, как выполнить анализ тренда для дипломной? Наше руководство охватывает все ключевые методы от скользящего среднего и ARIMA до нейронных сетей LSTM и Трансформеров. Изучите этапы подготовки данных, выбор метрик оценки и практические аспекты для вашего исследования.
... нейронной сети прямого распространения. Задачи исследования: 1. Проведение анализа литературных источников по тематике работы. 2. Анализ методов и моделей прогнозирования рисков. 3. Исследование специфики применения искусственных нейронных сетей. ...
... Провести анализ методов и моделей прогнозирования временных рядов для выявления достоинств и недостатков моделей каждого класса. Для решения поставленных задач в настоящей работе необходимо ...
... широкое применение модели временных рядов нашли в исследованиях финансовых рынков, в анализе динамики финансовых показателей, прогнозировании цен ... учреждений. Понятие анализ временных рядов используется для того, чтобы отделить эту задачу от в первую ...
