Глава 9
ПРИМЕНЕНИЕ НЕЙРОННЫХ СЕТЕЙ ДЛЯ МОДЕЛИРОВАНИЯ В ЭКОНОМИКЕ
9.1. Нейронная сеть как универсальный аппроксиматор нелинейных зависимостей
9.1.1. Модели нейронов. Архитектуры нейронных сетей
Модель нейрона с одним входом
Виды функций активации
Модель нейрона со многими входами
Архитектуры нейронных сетей
Слой нейронов
Многослойная нейронная сеть
9.1.2. Аппроксимация нелинейных зависимостей с помощью нейронных сетей
9.1.3. Понятие обучения и методы обучения нейронных сетей. Метод обратного распространения ошибки
Обучение как оптимизация: критерий обучения
Алгоритм обратного распространения
9.1.4. Проблемы, связанные с построением нейронных сетей
Проблема переобучения и способность к обобщению
Вычислительные проблемы, связанные с поиском оптимальных весов
9.2. Обзор применения нейросетевых моделей для описания и прогнозирования экономических процессов
9.2.1. Нейросетевые модели нелинейных регрессионных зависимостей
9.2.2. Нейросетевое представление временных рядов
9.2.3. Обзор применения нейросетевых моделей для описания и прогнозирования экономических процессов
Прогнозирование денежных потоков и налоговых поступлений
Оценка индексов рынка акций
Оценка кредитного риска
Прогнозирование банкротства корпораций
9.3. Контрольные вопросы
Томский государственный университет - 2003
.jpg)
