Нейросеть

Назначение

Нейронные сети представляют собой самообучающиеся модели, имитирующие деятельность человеческого мозга. Они способны не только выполнять однажды запрограммированную последовательность действий над заранее определенными данными, но и сами анализировать вновь поступающую информацию.

Основным достоинством нейронных сетей является возможность эффективно строить нелинейные зависимости, более точно описывающие наборы данных по сравнению с линейными методами статистики.

Данный обработчик позволяет задать структуру нейронной сети, определить ее параметры и обучить с помощью одного из доступных в системе алгоритмов. В результате будет получен эмулятор нейронной сети, который может быть использован для решения задач прогнозирования, классификации, поиска скрытых закономерностей, сжатия данных и многих других приложений.

Примеры применения

Оценка кредитоспособности клиента при выдаче кредитов. На базе алгоритма строятся скоринговые карты, модели аппликационного и поведенческого скоринга. Это позволяет проводить выбранную кредитную политику и снижать уровень просроченной задолженности.

Медицинская диагностика. Алгоритм, обрабатывая накопленные данные клинических исследований, моделирует сложные зависимости между симптомами и заболеваниями. Это позволяет поставить верный диагноз, произвести мониторинг состояния пациента, оценить эффективность лечения...

Прогноз остатков на счетах. Используя информацию об ежедневных остатках на счетах клиентов, обработчик преобразует ее во временные ряды и построит прогноз остатка на будущее. Благодаря этому появляется возможность управлять ликвидностью банка.

Анализ миграции клиентов – перемещение клиентов между поставщиками товаров и услуг. Алгоритм позволяет оценить вероятность ухода клиента. На основе результатов таких исследований можно разработать методы работы с клиентами, чтобы повысить их лояльность к компании.

Описание алгоритма

Нейронная сеть состоит из простейших вычислительных элементов - искусственных нейронов, связанных между собой. Каждый нейрон имеет несколько входных и одну выходную связь. В процессе работы нейронной сети значения входных переменных $x_i$ передаются по межнейронным связям и умножаются на весовые коэффициенты $w_i$, полученные значения взвешенно суммируются в нейроне.

В нейронных сетях нейроны объединяются в слои, при этом выходы нейронов предыдущего слоя являются входами нейронов следующего слоя. В каждом слое нейроны выполняют параллельную обработку данных.

Алгоритм построения нейронных сетей и их применение в конкретных задачах подробно рассматриваются в статьях «Нейронные сети - математический аппарат», «Применение нейронных сетей для задач классификации» и «NeuralBase - нейросеть за 5 минут».