Page 74 - 4703

2.13 Приклади застосувань на практиці

Методи нейронних мереж можна використовувати в
будь-якій ситуації, де вимагається знайти значення невідомих
змінних або характеристик за відомими даними спостережень
або вимірів. Сюди відносяться різні завдання регресії, класи-
фікації і аналізу часових рядів. Причому даних, наявних у роз-
порядженні дослідника, має бути достатня кількість, а між
різними характеристиками, що вивчаються, і параметрами
дійсно повинні існувати деякий зв'язок або система зв'язків.
Слід зазначити, що нейронні мережі досить стійкі до переш-
код.
Ще один напрям в застосуванні нейромереж - розвідува-
льний аналіз і пошук кластерів в даних. Для вирішення такого
роду завдань використовуються мережі Кохонена.
Нейронні мережі особливо ефективні в тих завданнях,
коли закономірності в даних і зв'язку між змінними носять
"занадто складний" характер і не виявляються традиційними
методами.
Далі приводиться досить показний, проте далеко не ви-
черпний набір прикладів з різних областей, де застосовуються
нейронні мережі.
 Оптичне розпізнавання символів, включаючи розпізна-
вання підпису (зокрема, розроблена система ідентифікації під-
пису, що враховує не лише остаточний її малюнок, але і швид-
кість ручки на різних ділянках, що значно утрудняє підробку
чужого підпису).
 Обробка зображень (наприклад, система сканує відео-
зображення станцій Лондонського метро і визначає, наскільки
станція заповнена народом, причому робота системи не зале-
жить від умов освітленості і руху потягів).
 Прогнозування фінансових часових рядів (компанія
LBS Capital Management оголосила про значні успіхи у фінан-
сових операціях, досягнутих за рахунок прогнозування цін
акцій за допомогою багатошарових персептронів).
 Оцінка кредитоспроможності (класичне завдання - за
анкетними даними визначити, чи надійний цей позичальник).

74