Názory ke článku Inteligentní ekonomické systémy [ III ] – Programujte.com

Dobrý den,
šlo by uvést nějaké konkrétní příklady popřípadě srovnání analýzy časových řad pomocí klasických metod a metod neuronových sítí?

Dobrý den,

zatím nemám k dispozici přesné srovnání simultánního řešení praktické úlohy neuronovou sítí a statistickými metodami, z dosavadní zkušenosti a konzultace na seminářích mohu odvodit následující závěry:
Popsané řešení neuronovou sítí nahrazuje statistickou metodu regrese. Využití klasické regrese je vhodnější, pokud je trend neměnný v čase. Výpočet bude o něco přesnější a hlavně rychlejší.
Pokud se ovšem trend v čase mění, bude při vhodné hodnotě koeficientu učení vah lépe předpovídat neuronová síť. Příkladem může být odhad budoucích provozních nákladů nebo spotřeby energie a paliva v určitém čase po inovaci strojního zařízení, nákupu nových vozidel u dopravce apod.
Pokud je trénovací množina malá, dalo by se pravděpodobně použít regrese s váženými vstupy, při velkém rozsahu trénovacích dat by přepočet celé trénovací množiny byl pomalejší než adaptace neuronové sítě na jeden nový vstup. Nalezení jiných ekvivalentních metod a srovnání s výpočtem neuronovou sítí by vyžadovalo konzultaci se specialistou v oblasti statistiky.
V další kapitole budeme probírat neuronové sítě s aktivační funkcí sigmoida. Domnívám se, že pro takové sítě se už nepodaří najít odpovídající statistickou metodu.
V současné době řeším prognostickou úlohu, kterou se dosud u tohoto uživatele jiným způsobem nepodařilo vyřešit. Dosavadní výsledky s využitím složité sigmoidální sítě jsou nadějné, po dořešení problému budu o závěrech informovat v samostatném článku.

tak tomu rikam poradny komentar... se divim, ze vysly znaky.. za chvili kvuli takovym jako ty (vy?, ted nevim, jestli si tykame bo ne :)) budeme muset navysit pocet znaku v komentarich :D

PEACE

Jiz nekolik mesicu je pocet max. znaku v komentari temer. nekonecny :)

To jaroslav.teda: Dobrý den, mám dotaz, který se týká zpracování vlastních řad měnových kruzů. Mám data za poslední dva roky - denní. Datum a závěrečný kurz + max a min dne. Je možné tyto údaje zpracovat programem TNeuron, i jednotlivé řady? Pokud ano, poprosil bych o radu jak úlohu řešit. Děkuji David Franc

Dobrý den,
pro velmi přibližný odhad kurzů z uvedených dat by šel použít TNeuron, síť složená ze dvou neuronů, vstupní veličiny buď časový úsek - pořadové číslo dne, nebo časový úsek a periody podle příkladu ener_ct, výstupní veličiny buď minimum a maximum nebo průměr a odchylka. Takový dohad však bude značně nespolehlivý, na kurz má pravděpodobně vliv celá řada dalších faktorů, které jsem zjednodušeně naznačil v příkladu kurz proměnnou situace. Spolehlivější odhad by mohla dávat vícevrstvá sigmoidální síť, pokud byste měl k dispozici i další údaje. Vždy je však riziko, že nastanou nepředvídané náhodné vlivy.
Možnost řešení podobných problémů víceúrovňovou sigmoidální sítí nyní ověřuji a o získaných zkušenostech budu postupně v tomto seriálu informovat.
J. Teda

Dobrý den

asi před rokem jste se zabýval předpovědí kurzů měnových párů. Jak jste prosím v této oblasti daleko?

Měl bych data, které by byly vstupy do neuronové sítě plus grafy jednotlivých měnových párů

Děkuji

S pozdravem

Petr

To Petr:
Dobrý den,
v polovině roku jsem zveřejnil na webové stránce www.vitkovice-its.cz v sekci „Umělá inteligence a prognostické systémy - Výukové programy“ demo verzi prognostického systému TNeuTest, který představuje pokročilejší verzi původního programu TNeuron a zahrnuje mé poslední poznatky z realizace skutečného systému prognózování jakostních vad. Vedle učení, prognózování a aproximace funkcí obsahuje také analýzu dat jak statistickými metodami tak i pomocí neuronových sítí. Systém je také popsán v článku Inteligentní prognostické systémy na tomto e-zinu. Možná Vám bude užitečný při řešení popsané problematiky.
J. Teda