Page 51 - 4713

служити надання кредиту, діагностика захворювань, розпізнавання
образів.

У задачах регресії потрібно передбачати значення змінної, що
приймає неперервні числові значення: ціна акцій, витрата палива в
автомобілі, прибуток кампанії і т.п.

Передбачення явищ можна поділити на:

 передбачення відгуків для множини дискретних вхідних
даних, не пов'язаних із часом (економічні, соціологічні оцінки та ін.);

дані представлені у таблиці;
 прогнозування явищ, які безперервно змінюються у часі
(фізичні процеси, природні явища, тощо); дані представлені у вигляді
часових рядів.

Для вирішення задачі за допомогою нейронної мережі,
необхідно зібрати дані для навчання. Навчальна множина даних являє
собою набір прикладів, для яких відомо значення вхідних і вихідних

параметрів. Перше, що потрібно вирішити, - які параметри
використовувати і скільки прикладів вибрати.
Початково, вибір параметрів здійснюється інтуїтивно. Досвід
роботи в обраній предметній області допоможе визначити, які змінні

є важливими. Для початку має сенс включити всі змінні, які, на Вашу
думку, можуть впливати на результат - на наступних етапах цю
множину можна скоротити.

Для забезпечення обґрунтованого вибору, вилучення несуттєвих
ознак, що вносять додаткові спотворення при навчанні, можливе
застосування відомих методів математичної статистики.

Задачі прогнозування з застосуванням нейромереж
Особливе значення мають задачі передбачення та прогнозування
часових рядів, серед яких виділяються завдання з набором певних

специфічних ознак, тому варто провести їх класифікацію. Задачі
дослідження явищ, розвиток яких пов'язаний із часом, можна
поділити на декілька класів:
За характером основних ознак об'єкту:

 прогнозування явищ, реалізації яких представлені у вигляді
детермінованих часових рядів. Такі задачі, зокрема, можна вирішити
шляхом застосування методів математичного аналізу;

 прогнозування явищ, реалізації яких представлені у вигляді
індетермінованих часових рядів. Вирішення цих задач традиційно
здійснюється шляхом застосування методів теорії ймовірностей та

51