3545336914

WSPÓŁCZESNE TRENDY W BADANIACH NAUKOWYCH SZTUCZNEJ INTELIGENCJI 75

sygnał

wejściowy

Rysunek 2. Budowa sztucznego neuronu

Przebieg przetwarzanych informacji wejściowych na informację wyjściową jest uzależniony od mogących się zmieniać w trakcie uczenia współczynników Wi, czyli wag.

Sztuczna sieć neuronowa jest grupą wzajemnie połączonych sztucznych neuronów (zwanych także węzłami sieci) tworzących warstwy, której celem jest przetwarzanie informacji. Wyróżniamy warstwę wejściową (czyli sygnał wejściowy), warstwy ukryte, które przetwarzają wzajemnie połączoną strukturę sieci (dobierając wagi) w oparciu

0    zewnętrzną lub wewnętrzną informację dostępną w sieci podczas fazy uczenia się,

1    wreszcie warstwę wyjściową. Warto zauważyć, że w ostatnich latach w modelowaniu sztucznej sieci neuronowej odchodzi się od naśladowania biologicznej sieci neuronowej na rzecz bardziej praktycznego podejścia opartego na metodach statystycznych i przetwarzania sygnałów. To podejście pozwala na wykorzystanie metod hybrydowych systemów samoadaptacyjnych i nieadaptacyjnych przy opisie zjawisk rzeczywistych. Bardzo ważną rzeczą jest, by przy modelowaniu sztucznej sieci neuronowej miała miejsce reguła nieliniowości, równoległości i adaptacyjności procesów zachodzących w sieci.

Sieci neuronowe mają szerokie zastosowanie m.in. w medycynie, ekonomii, programach doradczych i decyzyjnych, robotyce kognitywnej.

Jako przykład zastosowania sieci neuronowej do analizy wyników danych spółek można przedstawić następujący problem.

Poniższy wektor danych wejściowych (rysunek 3) został wygenerowany w oparciu o informacje dostępne na Warszawskiej Giełdzie Papierów Wartościowych. Kolumna 2 przedstawia nazwę spółki i nie jest brana pod uwagę przy generowaniu SNN i statystyki regresji. Celem zadania jest stworzenie sieci neuronowej, która prawidłowo przewidywałaby upadłość spółki (kolumna 3) w oparciu o wartości wektorów reprezentowanych w kolumnach 4-8, uwzględniając zbiór treningowy, walidacyjny i testowy przedstawiony w kolumnie 1.

Poszczególne zmienne oznaczają: varl - zbiór: u - treningowy, w - walidacyjny, t - testowy; var2 - nazwa spółki;

var3 - spółka dobra = 1, spółka upadła = 0; var4 - wskaźnik płynności bieżącej; var5 - marża zysku operacyjnego;