Обнаружение фальсификаций

В США введена в действие система обнаружения мошенничеств в области здравоохранения. Подсчитано, что потери бюджета от такого рода фальсификаций составляют около 730 млн. долларов в год. Создание нейросетевой специализированной системы заняло у фирмы ITC более года и обошлось в 2.5 млн. долларов. Тестирование показало, что нейросеть позволяет обнаруживать 38% мошеннических случаев, в то время как существующая экспертная система - только 14%. Для настройки системы были использованы также методы нечеткой логики и генетической оптимизации.

Фирмой Neural Innovation Ltd. создана нейросетевая система Claim Fraud Analyser, позволяющая выявлять подозрительные страховые иски, относящиеся к поврежденным автомобилям. На входы системы подаются такие параметры, как возраст и опыт водителя, стоимость автомобиля, наличие подобных происшествий в прошлом и другие. В результате обработки выдается число - вероятность того, что данный иск связан с мошенничеством. Такая система позволяет не только сэкономить за счет выявления фальсификаций, но и улучшить отношения с клиентами за счет более быстрого удовлетворения честных исков.

Chemical Bank ведет активные финансовые операции на валютных биржах 23 стран. Ежедневно в аналитический отдел банка со всего мира стекается информация о тысячах сделок, совершенных брокерами банка. Проанализировать(и даже просмотреть) ее всю практически невозможно. Поэтому в банке развернута крупная программная система фирмы Neural Data, которая осуществляет предварительную обработку информации, "отфильтровывая" подозрительные сделки. С ними-то и работают эксперты аналитического отдела, определяя, что двигало брокером в каждом случае - излишний азарт, недостаток опыта или элементарная недобросовестность.

В технических приложениях НС применяются, например, для обработки радиолокационных сигналов, классифицируя отраженные сигналы и позволяя достовернее определить их соответствие заданной карте местности при значительном изменении погоды, атмосферы и пр., для вычисления образа аутенфицируемого объекта.

Автопилоты. В 1996 году фирмой Accurate Automation Corp(заказу NASA и Air Force) был разработан экспериментальный автопилотируемый гиперзвуковой самолет-разведчик LoFLYTE (Low-Observable Flight Test Experiment. Он использовал нейронные сети, позволяющие автопилоту обучаться, копируя приемы пилотирования летчика. Поскольку самолет был предназначен для полетов со скоростью 4-5 махов, то быстрота реакции пилота-человека могла быть недостаточной для адекватного отклика на изменение режима полета. В этом случае на помощь приходили нейронные сети, которые перенимали опыт управления у летчика и за счет высокой скорости обработки информации позволили быстро находить выход в аварийных и экстремальных ситуациях.

Маршрутизация трафика в сети (Internet)– а) во-первых, решение должно быть адаптивным, то есть учитывать текущее состояние сети связи и наличие сбойных участков, б) найти оптимальное решение нужно очень быстро, в реальном времени. Нейросети прекрасно приспособлены для такого рода задач.

Распознавание речи

Распознавание речи - одно из наиболее популярных применений нейросетей. В компании "НейроПроект" сделана демонстрационная система для речевого управления встроенным калькулятором Windows. Система уверенно распознает любое из 36 слов, сказанных в микрофон любым человеком.
Для классификации используется двухкаскадная иерархическая нейросеть, где первый каскад состоит из одного перцептрона (1000 входов, 24 нейрона в скрытом слое, 6 выходов), а второй каскад - из 6 перцептронов с различными параметрами. Первый перцептрон осуществляет грубое распознавание слова, относя его к одному из 6 классов. Роль второго каскада - точно классифицировать слово внутри каждого из классов.

Для построения этой сети использовалась библиотека NeuroWindows, а также разработанный в компании "НейроПроект" алгоритм иерархического обучения. В обучении сети принимали участие 19 дикторов.

Управление ценами и производством

Руководители предприятий часто недооценивают потери от неоптимального планирования производства. Так как спрос и условия реализации зависят от времени, сезона, курсов валют и многих других факторов, то и объем производства следует гибко варьировать с целью оптимального использования ресурсов. Существуют примеры нейросетевых систем планирования, которые применяются совместно со стандартными методами исследования операций, динамического программирования, а также с методами нечеткой логики.

Определение тематики текстовых сообщений — еще один пример успешного использования искусственных нейронных сетей. Так, сервер новостей Convectis выбран для автоматической рубрикации сообщений по категориям. Определяя значения ключевых слов по контексту, сервер Convectis был способен в реальном времени распознавать тематику и автоматически рубрицировать огромные потоки текстовых сообщений, передаваемых по таким информационным сетям, как Reuters, NBC и CBS.

Вопросы без защиты лабораторных по LabView:

12. Многоуровневая организация компьютеров и сетей на примере ЭМВОС Инкапсуляция данных. Структура кадра на разных уровнях. Методы случайного и детерминированного доступа к сети. Структура сети Интернет. Какие сетевые и пограничные устройства вы знаете. Как происходит поиск необходимого абонента (компьютера) в сети. Что такое IP имя и IP, MAC-адрес. Какие службы сети помогают их найти?

13. Формулы Шеннона для оценки максимальной пропукной способности канала связи и информационной скорости (на примере звукового канала). Каком образом можно увеличить информационную скорость относительно бодовой? Пояснить теорему Котельникова на примере ИКМ в звуковом цифровом канале. Почему к элементарном цифровом канале выбрана скорость 64 кбит/c. Что такое уплотнение каналов?

14. Что такое квадратичная амплитудная модуляция. Каким образом битовый поток передается отсчетами (символами) QAM? Что служит ограничением для различения символов? Что происходит с спектром сигнала при манипуляции? Поясните роль несущей при передаче информации. Для чего ее «вычеркивают»? Нарисуйте спектр модуляции САР.

15. Синхронная и асинхронная передача двоичных данных. Иерархия протоколов Ethernet, структура кадра DIX, метод случайного доступа. Схема установления соединения в протоколе TCP/IP, дейтаграммы, функции протокола IP.

16. Многоуровневая организация процессора. Производительность, энергоэффективность и функциональные возможности, причины появления многоядерных процессоров. Распараллеливание задач, данных команд, способы взаимодействия процессоров. Многоуровневый кэш, DDR, перепрограммируемая память, твердотельный жесткий диск, винчестер. Шина USB как локальная сеть компьютера.