Искусство в IT-технологиях...

Нестерук Татьяна Никифоровна. Разработка модели адаптивного корпоративного сайта и инструментария для повышения эффективности маркетинговых решений, 2006

1.3.2. Интеллектуальные аналитические системы на базе нейронных сетей

Нейронные сети входят в состав практически всех известных библиотек программного обеспечения, предназначенного для решения экономических задач и ориентированных на интеллектуальный анализ данных.
Основное преимущество нейросстевых аналитических систем заключается в способности выделять скрытые в обучающих примерах закономерности и
накапливать полученный опыт путем коррекции информационного ноля нейронной сети, производимой в режиме обучения НС.
Способность к адаптации является фундаментальным свойством нейронных сетей. Процесс обучения нейронной сети может рассматриваться как коррекция распределенного информационного поля НС в соответствии с требуемой функциональной зависимостью выходного вектора от значений входного вектора нейронной сети. Коррекции подлежат веса взвешенных связей (в большинстве методов) и топология нейронной сети.
Выделяют три метода обучения нейронных сетей: с учителем (по образцам), без учителя (самообучение) и смешанное.
В первом случае (обучение с учителем) нейронная сеть располагает обучающей выборкой - правильными ответами на каждый входной пример.
Веса связей настраиваются так, чтобы нейронная сеть формировала ответы как можно более близкие к известным правильным ответам.
Обучение без учителя не требует знания правильных ответов на каждый пример обучающей выборки, поэтому обучающая выборка включает только входные вектора значений. В этом случае раскрывается внутренняя структура данных или корреляции между образцами в системе входных данных, что позволяет распределить образцы по категориям.
При смешанном обучении часть весов формируется в процессе самообучения, в то время как остальная определяется посредством обучения с учителем.
Большинство экономических задач с привлечением средств интеллектуального анализа данных, как правило, решаются с применением многослойных НС с прямыми связями [3,47].
предыдущий следующий
= К содержанию =


1.3.2. Интеллектуальные аналитические системы на базе нейронных сетей - релевантная информация:

  1. 1.3.1. Интеллектуальные аналитические системы на базе нечеткой логики
    интеллектуального анализа данных включают средства для отображения выявленных закономерностей (базы знаний) в виде системы правил IF-THEN. Системы нечеткой логики и нейро-нечеткие сети используют нечеткий логический вывод на основе системы нечетких правил Я,, / = 1,..., я, которая описывает опыт экспертов конкретной предметной области, представленный на качественном уровне: /7, ; если х есть А] ,
  2. 2.2. Факторы наращивания стоимости Интернет-компаний
    интеллектуальная собственность, могут быть проданы без необходимости при этом вкладывать крупные инвестиции в материальные активы. Изменения ценности активов, возрастающие поступления на масштабы бизнеса и дешевые глобальные сетевые технологии с низкой себестоимостью производства приводят к появлению новых бизнес-моделей. При этом под электронной коммерцией понимается коммерческая
  3. Актуальность темы
    интеллектуального анализа интересов посетителей сайта, соответствующей коррекции информационной структуры сайта, используемых механизмов интернет-маркетинга и информационных материалов (МИМ), повышения достоверности анализа результатов хозяйственной деятельности, правильного выбора стратегии и тактики проведения бизнес-операций. Динамичная коррекция набора механизмов интернет-маркетинга,
  4. Задачи исследования
    интеллектуальных средств. Разработка показателей для поддержки принятия решений и анализа эффективности информационной структуры корпоративного сайта, учитывающих интенсивность использования механизмов интернет-маркетинга, их распределение по страницам сайта, прибыль хозяйствующего субъекта, связанную с размещением на страницах сайта информационных материалов о товарах и услугах. Разработка
  5. Научная новизна исследований
    интеллектуальных средствах: нейронных сетей, нечетких логических систем, генетических алгоритмов. Методика оптимизации информационной структуры адаптивного корпоративного сайта. Интерактивные инструментальные средства моделирования корпоративного сайта и алгоритм их применения для анализа его информационной структуры с целью повышения эффективности сайта и поддержки принятия решений
  6. 1.1.2. Специфика маркетинговой деятельности корпорации в информационном обществе
    интеллектуальные средства: систему правил вида IF- THEN (аналогично экспертным системам) как средство систематизации знания экспертов конкретных предметных областей, нечеткий логический вывод, позволяющий обобщать неполную и не вполне достоверную информацию для формирования практически значимых заключений, нейронные и нейро-нечеткие сети, дающие возможность извлекать знания, скрытые в исходных
  7. 1.2.2. Оптимизация сайта с целью повышения эффективности маркетинговой деятельности корпорации
    интеллектуального анализа данных [47, 62]. Основной целью применения подобных систем является извлечение знаний из информации с помощью методов известных как data mining and knowledge engineering [47]. Искусственные нейронные сети (НС) [3], системы нечеткой логики [66-70] являются обязательным инструментом извлечения знаний, т. к. обладают способностью выявления значимых признаков и скрытых
  8. 1.3. Интеллектуальные средства для решения задач управления и принятия решений корпоративного уровня
    интеллектуальные средства. Таблица 1.1 Процесс обучения нейронной сети затрагивает не отдельную связь, а систему межнейронных связей НС, т. е. информационное поле НС в целом. Нейронные сети могут приобретать знания и адаптироваться к внешним условиям, но использование знаний экспертов для ускорения процесса обучения НС и анализ процесса формирования результата проблематичны. Напротив,
  9. 1.3.3. Гибридные системы для анализа информации
    интеллектуального анализа экономических данных относятся системы, использующие вероятностные рассуждения [92, 93], нечеткий логический вывод [67, 72] и методы генетических алгоритмов [3, 47, 95], которые составляют основу мягких вычислений. Перечисленные средства являются основными компонентами гибридных интеллектуальных систем, способными к извлечению знаний даже в условиях неполной
  10. Нейро-экспертные системы
    интеллектуальной системы, называемой нейронной экспертной системой. Нейронные экспертные системы используют обученную нейронную сеть вместо базы знаний. В отличие от основанных на правилах экспертных систем, нейронные экспертные системы могут оперировать с недостоверными и неполными данными. Знания проблемной области, необходимые для проведения экономического анализа, могут быть использованы при