Комментарии 2
Некоторая смысловая путаница с заголовком публикации и подзаголовками в самой статье. Названия всех 10-ти пунктов являются верными суждениями о нейронных сетях, но в названии статьи говорится о 10-ти заблуждениях. Если уж действительно хочется написать в духе: «вот миф, а мы его опровергаем», то подзаголовки уместнее бы так сформулировать:
1. Нейронная сеть – это модель человеческого мозга
2. Нейронная сеть – упрощенная форма статистики
3. Нейронная сеть может быть исполнена только в одной архитектуре
и т.д. и т.п.
1. Нейронная сеть – это модель человеческого мозга
2. Нейронная сеть – упрощенная форма статистики
3. Нейронная сеть может быть исполнена только в одной архитектуре
и т.д. и т.п.
Цитата:
Опять же банки, использующие нейронную сеть… не могут верифицировать ее позиции по кредитному рейтингу для тех или иных клиентов. Для этих целей были придуманы алгоритмы извлечения правил работы сети. Знания могут быть вытащены из сети в виде математических формул, символической логики, нечеткой логики, дерева решений.
Есть и вправду много работ, посвященных вытаскиванию правил, но это полный кошмар и на практике этим занимаются неохотно. А вот насчет перечисленных в последнем предложении методов — так есть эти алгоритмы, обучающиеся! Обучаете сразу их (математические формулы даст GMDH алгоритм (в т.ч. и его вариант нейронной сети), нечеткая логика — ANFIS сети, главный плюс еще и в том, что можно вносить априорные знания в конструкцию сети, а деревья решений… соб-но есть такой класс алгоритмов (главный плюс — отлично параллеляться). И вдогонку авторам — почитайте про вейвлет нейронные сети (в варианте. предложенном Q.Zhang и A. Benveniste еще в 1992-м) — при недостатке данных и сильной их загрязенности лучший инструмент для работы с вр. рядами.
Опять же банки, использующие нейронную сеть… не могут верифицировать ее позиции по кредитному рейтингу для тех или иных клиентов. Для этих целей были придуманы алгоритмы извлечения правил работы сети. Знания могут быть вытащены из сети в виде математических формул, символической логики, нечеткой логики, дерева решений.
Есть и вправду много работ, посвященных вытаскиванию правил, но это полный кошмар и на практике этим занимаются неохотно. А вот насчет перечисленных в последнем предложении методов — так есть эти алгоритмы, обучающиеся! Обучаете сразу их (математические формулы даст GMDH алгоритм (в т.ч. и его вариант нейронной сети), нечеткая логика — ANFIS сети, главный плюс еще и в том, что можно вносить априорные знания в конструкцию сети, а деревья решений… соб-но есть такой класс алгоритмов (главный плюс — отлично параллеляться). И вдогонку авторам — почитайте про вейвлет нейронные сети (в варианте. предложенном Q.Zhang и A. Benveniste еще в 1992-м) — при недостатке данных и сильной их загрязенности лучший инструмент для работы с вр. рядами.
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Технологии фондового рынка: 10 заблуждений о нейронных сетях