Применение нейронных сетей при прогнозировании

реклама
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
Скачать