АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Висновки до розділу 2

Читайте также:
  1. Актуальність розділу.
  2. Вимоги до написання підрозділу
  3. Вимоги до написання підрозділу
  4. Вимоги до написання підрозділу
  5. Висновки
  6. Висновки
  7. ВИСНОВКИ
  8. ВИСНОВКИ
  9. ВИСНОВКИ
  10. Висновки
  11. ВИСНОВКИ
  12. Висновки

 

 

1. Проведено аналіз перспективних інтелектуальних засобів підтвердив, що при вирішенні завдань управління та прийняття рішень, для яких характерна наявність неповної та недостатньо достовірної інформації, добре зарекомендували себе системи інтелектуального аналізу даних. Зроблено висновки щодо використання нейронних мереж, системи нечіткої логіки є обов'язковим інструментом інтелектуального пошуку і видобування знань, т. к. мають здатність виявлення значущих ознак і прихованих закономірностей в аналізованих економічних показниках.

2. Зазначено, що при вирішенні подібних задач нечітка логіка дозволяє формалізувати якісну інформацію, отриману від експертів-економістів для конкретної сфери застосування, і представити сукупність отриманих знань у вигляді системи нечітких правил логічного висновку, що дозволяють аналізувати висновки, отримані в процесі роботи гібридної інтелектуальної системи.

3. Показано, що знання кваліфікованих економістів для конкретної предметної області, представлені у формі нечітких правил логічного висновку, можуть бути прозорим способом відображені в структурі нейро-нечіткої мережі. Навчання нечіткої нейронної мережі дозволяє не тільки налаштувати ваги зв'язків (тобто відкоригувати достовірність нечітких правил логічного висновку), але й усунути суперечливість системи нечітких правил в цілому. У разі відсутності вихідної інформації з даної предметної області, але при достатньому обсязі навчальної вибірки нейро-нечітка мережа автоматично перетворює приховані в аналізованих економічних показниках закономірності в базу знань у вигляді системи правил нечіткого логічного висновку.

4. Розглянутий підхід рекомендований як перспективний напрямок для побудови та використання відповідних нечітких моделей прогнозування цін інших фінансових інструментів, таких як курси інших валют, акцій компаній, ф'ючерсів і опціонів. Дійсно, загальним для всіх цих інструментів з позицій технічного аналізу є відсутність апріорних припущень про динаміку коливань відповідних курсів цін, що цілком узгоджується з вихідними передумовами побудови нечітких моделей адаптивних систем нейро-нечіткого виводу.

5. В роботі було проведено імітаційне моделювання за допомогою пакету прикладних програм для вирішення технічних обчислень MATLAB в результаті чого згенерована модель нечіткого виводу, за допомогою якої можно робити короткострокові прогнози з точністю до десятих. Що підтверджено результатами перевірки адекватності.

 


1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |

Поиск по сайту:



Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.005 сек.)