Применение нейронных сетей при прогнозировании
advertisement
Диссертация на соискание степени магистра экономических наук Соискатель – Полищук А.Ю. Научный руководитель – кандидат технических наук Лапицкая Н.В. Тема Содержание Актуальность Поставленные цели и задачи Объект и предмет исследования Научная гипотеза Основные результаты(1) Основные результаты(2) Научная новизна Положения, выносимые на защиту(1) Положения, выносимые на защиту(2) Положения, выносимые на защиту(3) Выводы(1) Выводы(2) Спасибо за внимание! C А Ц О Г Р1 Р2 Н П1 П2 П3 В1 В2 К Существует проблема адекватного и эффективного прогнозирования экономических показателей Нейронные сети и программные продукты на их основе развиваются ускоренными темпами Модель, способная к самообучению – существенный сдвиг от привычных методик моделирования Нейронные сети способны найти сложные и неочевидные зависимости между данными Возможна работа с короткими выборками и зашумленными данными C А Ц О Г Р1 Р2 Н П1 П2 П3 В1 В2 К 1. 2. 3. 4. 5. 6. 7. Рассмотрение основных существующих макроэкономических показателей экономики стран мира Анализ валового внутреннего продукта как ведущего показателя экономического развития Изучение методов расчета ВВП в Республике Беларусь Исследование разнообразных методов создания искусственных нейронных сетей как способа моделирования и прогнозирования экономических данных Обзор основных программных продуктов, использующих нейросетевые алгоритмы Разработка модели ВВП на основе ИНС Анализ модели и оценка полученных данных на состоятельность C А Ц О Г Р1 Р2 Н П1 П2 П3 В1 В2 К • Объектом исследования являются основные макроэкономические показатели Республики Беларусь и стран СНГ, в частности – валовой внутренний продукт. • Предмет исследования – алгоритмы нейронных сетей как инструмент для построения модели с последующим прогнозированием основных макроэкономических показателей. C А Ц О Г Р1 Р2 Н П1 П2 П3 В1 В2 К С помощью алгоритмов, использующих нейронные сети возможно создать адекватную модель макроэкономических показателей, способную с хорошей точностью (ошибка менее 5%) спрогнозировать поведение выходного параметра на основе набора выходных параметров, после их обработки и отсеивания наименее существенных для модели. C А Ц О Г Р1 Р2 Н П1 П2 П3 В1 В2 К Создан ряд моделей Валового Внутреннего Продукта Беларуси и стран СНГ, использующих нейронные сети следующих типов: • 1. 2. 3. 4. Сеть Кохонена Метод группового учета аргументов Сеть Вольтерри Сеть Ворда C А Ц О Г Р1 Р2 Н П1 П2 П3 В1 В2 К • • Получены результаты прогноза ВВП до 2015 года, которые сходятся прогнозами ведущих институтов стран СНГ и Европы. Нейронные сети показали свою состоятельность при прогнозировании C А Ц О Г Р1 Р2 Н П1 П2 П3 В1 В2 К • Создан набор нетривиальных моделей, основанных на нейросетевых алгоритмах, в которых присутствует сочетание использования различных методик моделирования и прогнозирования макроэкономических параметров, • Возможность выбора из ряда моделей, исходя из имеющихся данных и требуемой точности полученной модели • Самообучающаяся модель способна осуществить долгосрочный прогноз выходного параметра C А Ц О Г Р1 Р2 Н П1 П2 П3 В1 В2 К Алгоритмы искусственных нейронных сетей способны предоставить реальные возможности для создания точных моделей макроэкономических показателей ИНС располагают аппаратом для прогнозирования поведения выходного показателя с ошибкой менее 5% C А Ц О Г Р1 Р2 Н П1 П2 П3 В1 В2 К При применении комплекса различных методик нейросетевого проектирования, результаты применения сети могут быть существенной опорой при планировании экономический политики государства Нейронная сеть способна к эффективному самообучению с целью повышения точности прогноза C А Ц О Г Р1 Р2 Н П1 П2 П3 В1 В2 К Алгоритмы нейронных сетей способны самостоятельно отбирать наиболее существенные переменные, исключая наименее важные Нейронная сеть способна давать модели различной сложности в зависимости от настроек оператора C А Ц О Г Р1 Р2 Н П1 П2 П3 В1 В2 К Алгоритмы искусственных нейронных сетей являются мощным инструментом для составления моделей, который даже не коротких выборках способны показать отличное качество модели. Благодаря очень широкому выбору моделей и возможности варьирования массы параметров, этот метод позволяет найти именно такую модель, которая отвечала бы начальным требованиям путем перебора различных комбинаций критериев и показателей. C А Ц О Г Р1 Р2 Н П1 П2 П3 В1 В2 К Существует масса еще не до конца проработанных моделей нейронных сетей, применение которых даст возможность составления еще более точных моделей. Метод требует дальнейшего глубокого изучения. C А Ц О Г Р1 Р2 Н П1 П2 П3 В1 В2 К C А Ц О Г Р1 Р2 Н П1 П2 П3 В1 В2 К
