д.э.н. Завизена Н.С., Пенко В.В.

Международный гуманитарный университет

Вопросы создания нейронных сетей и их использование при прогнозировании экономических процесcов

Начало исследования методов обработки информации, называемых сегодня нейросетевыми, было положено несколько десятилетий назад. В настоящее время с развитием и ростом сложности аппарата прогнозирования, а также с широким распространением сетей персональных компьютеров и соответствующего программного обеспечения этих компьютеров, прогнозированию уделяется все больше внимания. Сейчас каждому менеджеру доступна возможность использовать очень сложный математический аппарат анализа данных в целях прогнозирования. Знание и умение качественно пользоваться возможностями такого аппарата является весьма существенным в ходе ведения управленческой деятельности. Управленцы, использующие прогнозы для достижения определенных целей, должны понимать исключительную важность выбора правильных методов прогнозирования, т.к. некорректные прогнозы могут привести к принятию неверных решений. Основной вклад в развитие теории нейрокомпьютинга и его применения в финансовой сфере внесли ученые стран Запада и США. Это прежде всего: Д.-Э. Бэстенс, П. Вербос, Л. Вилентурф, Д. Вуд, В. МакКаллох, В. Пите, М. Редмиллер, Ф. Розенблат, Дж. Хопфилд и др. Необходимо отметить также работы отечественных ученых, занимающихся разработкой и внедрением нейросетевых технологий в области экономики, таких как: А. Ежов, Б. Одинцов, А. Романов, С. Шумский и другие.

Современный менеджмент сталкивается с растущей потребностью в прогнозировании различных процессов. Техника прогнозирования, разработанная еще в девятнадцатом столетии, продолжает развиваться, и разрабатываются все новые и новые методы, способные удовлетворить потребности нынешнего рынка.

Искусственные нейронные сети (ИНС) — математические модели, а также их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма. Это понятие возникло при изучении процессов, протекающих в мозге, и при попытке смоделировать эти процессы. Первой такой попыткой были нейронные сети Маккалока и Питтса. Впоследствии, после разработки алгоритмов обучения, получаемые модели стали использовать в практических целях: в задачах прогнозирования, для распознавания образов, в задачах управления и др.

С начала 90-х годов исследования в области нейросетевых технологий переживают весьма бурный период развития, что подтверждается размерами их финансирования: в США, программа DARPA (1987–1995) — 400 млн. долл.; в Японии, программа HumanFrontier (1988–1996) — 6,6 млрд. долл.; в станах ЕЭС, проект BRAIN, Basic Reseach on Adaptive Inteligence — базовые исследования адаптивного интеллекта (1988–1996) — 1,2 млн. долл. ежегодно. И темпы нарастают. По оценке компании Business Communications, к концу 1992 года объем рынка нейрокомпьютеров составлял 170 млн. долл. (120 — аппаратное обеспечение и 50 — программное). Аналитики полагали, что в 2000 году эти цифры вырастут до 790 и 260 млн. долл., соответственно. Прогноз оказался неверным — уже в 1997 году объем рынка нейротехнологий составил 2 млрд. долл. — на 40% больше, чем в 1996-м.

В Украине сложилась своя школа теории нейронных сетей, на счету которой ряд удачных работ. В Украине сформировалось направление в области теории нейрокомпьютерных сетей, которое по ряду параметров превосходит уровень зарубежных работ. Например, были разработаны методы адаптивной настройки нейронных сетей с произвольным видом нейрона и произвольным числом слоев; с различными видами связей между слоями; с различными видами критериев оптимизации; с различными ограничениями на весовые коэффициенты нейронных сетей. Определенная общность отечественных методов развития теории нейронных сетей позволила создать единый подход к разработке нейросетевых алгоритмов решения самых разнообразных задач. Когда в связи с публикацией работы Минского и Пейперта исследования за рубежом почти полностью прекратились, украинские специалисты, владея общей методикой настройки многослойных нейронных сетей, продолжали работы в данной области.

Значимые работы проводились в Институте кибернетики им. Глушкова (Киев). В различных городах Украины проводятся семинары и конференции, целью которых является обмен научной информацией и определение перспективных направлений развития нейросетевых технологий, в том числе для решения прикладных задач.

нейронные сети хорошо подходят для распознавания образов и решения задач классификации, оптимизации и прогнозирования. Ниже приведен перечень возможных промышленных применений нейронных сетей, на базе которых либо уже созданы коммерческие продукты, либо реализованы демонстрационные прототипы.

- Банки и страховые компании: автоматическое считывание чеков и финансовых документов; проверка достоверности подписей; оценка риска для займов; прогнозирование изменений экономических показателей.

- Административное обслуживание: автоматическое считывание документов; автоматическое распознавание штриховых кодов.

- Нефтяная и химическая промышленность: анализ геологической информации; идентификация неисправностей оборудования; разведка залежей минералов по данным аэрофотосъемок; анализ составов примесей; управление процессами.

- Военная промышленность и аэронавтика: обработка звуковых сигналов (разделение, идентификация, локализация, устранение шума, интерпретация); обработка радарных сигналов (распознавание целей, идентификация и локализация источников); обработка инфракрасных сигналов (локализация); обобщение информации; автоматическое пилотирование.

- Промышленное производство: управление манипуляторами; управление качеством; управление процессами; обнаружение неисправностей; адаптивная робототехника; управление голосом.

- Служба безопасности: распознавание лиц, голосов, отпечатков пальцев.

- Биомедицинская промышленность: анализ рентгенограмм; обнаружение отклонений в ЭКГ.

- Телевидение и связь: адаптивное управление сетью связи; сжатие и восстановление изображения.

- Экономика и бизнес: прогнозирование временных рядов (курсов валют, цен на сырьё, объемов продаж), автоматический трейдинг, оценка рисков невозврата кредитов, предсказание банкротств, оценка стоимости недвижимости, выявление переоцененных и недооцененных компаний, рейтингование, оптимизация товарных и денежных потоков, считывание и распознавание чеков и документов, безопасность транзакций по пластиковым картам.