Практическое применение нейросети

Основные области применения:

1. Универсальные апроксиматоры функций.

Доказанные теоремы, утверждающие, что при выполнении определенных условий, связанных с типом передаточных функций нейронов, свойствами аппроксимируемых функций и областей аппроксимации ИНС могут аппроксимировать любую функцию с требуемой точностью.

2. Прогнозир-е: например:временных рядов (на фин, фондовом рынках и т.д.), т.е. типичная задача: спрогнозировать, какова будет цена закрытия на завтра ценных бумаг некоторого пп. Переменные: какие либо индикаторы. ИНС используют в автоматическом трейдинге. (первые эксперименты в этой области были проведены в 90-е года).

3. Распознавание любых объектов и образов. Классификация в мед или технич диагностиках.

4. Управление техническими системами, с использованием автономного ИИ (робототехника).

5. Управляющие системы в авионике (электронное управление летательными аппаратами – беспилотное управление самолетами, автономное управление поврежденных летательных аппаратов).

В целом, ИНС – универсальные, адаптивные, обучающиеся системы, с распределенной «памятью» и параллельными вычислениями.

Недостатки ИНС:

1. ИНС- системы типа «черный ящик», т.е. построенную модель можно только использовать без возможности детального анализа.

2. Д/ обучения ИНС, в частности с «учителем» необходимо иметь обучающую выборку, достаточно большого объема, что не всегда возможно.

3. Обучение нейросети, особенно сложной (с большим кол-вом связей в нейронах), представляет собой задачу с большими алгоритмическими и вычислит трудностями.