formalnie: Zastosowanie sieci neuronowych do wspomagania decyzji biznesowych
description
Transcript of formalnie: Zastosowanie sieci neuronowych do wspomagania decyzji biznesowych
-
formalnie: Zastosowanie sieci neuronowych do wspomagania decyzji biznesowych
Dorota [email protected]
nieformalnie: Wspomaganie decyzji nie zwalnia od decyzji...
-
Plan wykaduZastosowania sieci neuronowych:klasyfikacjaaproksymacjaprognozowaniefiltrowanieasocjacjegrupowanie
-
zagadnienie klasyfikacjiwymagania:znane kategoriezbir uczcy (reprezentatywny)
decyzja do podjcia:kodowanie wyjciastosowane sieci:jednokierunkowe sieci neuronoweprzykad:klasyfikacja formacji giedowych
-
kodowanie wyjcia?
-
kodowanie wyjcia
-
kodowanie wyjciakodowanie jeden na jeden
-
kodowanie wyjciakodowanie binarne
-
zagadnienie klasyfikacji (przykad)wspomaganie decyzji biznesowych z wykorzystaniem sieci neuronowych wymaga m.in.:decyzji dotyczcej wyboru elementw analizy technicznejokrelenie okna czasowegostworzenie odpowiedniego zbioru uczcego
rdo rysunkw: http://www.newtrader.pl/kliny,953,techniczna.htmlhttp://bossa.pl/index.jsp?layout=2&page=0&news_cat_id=204
-
zagadnienie aproksymacjiklasyczna aproksymacja metodami numerycznymi napotyka na trudnoci, gdy:prbujemy przybliy funkcj znan tylko dla ograniczonej liczby ustalonych punktw (zbyt maa liczba punktw prbkowania)gwatowne zwroty wartoci funkcji midzy tymi punktami.
stosowane sieci:jednokierunkowe sieci neuronowe
-
zagadnienie prognozowaniaprognozowanie jako szczeglny rodzaj aproksymacji
stosowane sieci:jednokierunkowe sieci neuronowe
przykad:prognozowanie notowa giedowych
-
zagadnienie prognozowania (przykad)wspomaganie decyzji biznesowych z wykorzystaniem sieci neuronowych wymaga m.in.:decyzji dotyczcej wyboru szeregu czasowegoliczby punktw z przeszoci (opnie)liczby punktw z przyszoci (np. prognozowanie na podstawie danych miesicznych tego, co bdzie si dziao za rok)w przypadku notowa giedowych:okrelenie okna czasowegoeliminacja trendu
-
zagadnienie filtrowania danychSie Hopfieldasie jednowarstwowa ze sprzeniem zwrotnymsygna wejciowy dyskretny: -1, 1funkcja aktywacji:
uczenie jednoetapoweuruchamianie asynchroniczne
-
uczenie jednoetapowe:
Sie Hopfielda uczenie
-
Sie Hopfielda uczenieuczenie jednoetapowe:
lub (zapis macierzowy):
-
Sie Hopfielda uczenie (przykad)obrazy do zapamitania w sieci:
-
Sie Hopfielda uczenie (przykad)obrazy do zapamitania w sieci:
-
Sie Hopfielda uczenie (przykad)obrazy do zapamitania w sieci:
-
Sie Hopfielda uczenie (przykad)obrazy do zapamitania w sieci:
-
Sie Hopfielda uczenie (przykad)macierz wag: symetryczna zera na przektnej wagi neuronu (wiersz/kolumna)(przykad) wagi drugiego neuronu:
-
Sie Hopfielda uczenie (przykad)macierz wag: symetryczna zera na przektnej wagi neuronu (wiersz/kolumna)(przykad) wagi drugiego neuronu:
-
Sie Hopfielda uruchamianieuruchamianie wieloetapowe: synchroniczne (?) asynchroniczne (?)kryterium stopu: aden z neuronw nie zmienia wartoci swego wyjcia
-
Uruchamianie synchroniczne (?)kryterium stopu: aden z neuronw nie zmienia wartoci swego wyjciaz ktrym z zapamitanych obrazw kojarzy si ?
-
Uruchamianie synchroniczne (?)kryterium stopu: aden z neuronw nie zmienia wartoci swego wyjciaz ktrym z zapamitanych obrazw kojarzy si ?
-
Uruchamianie synchroniczne (?)kryterium stopu: aden z neuronw nie zmienia wartoci swego wyjciaz ktrym z zapamitanych obrazw kojarzy si ?
-
Uruchamianie synchroniczne (?)kryterium stopu: aden z neuronw nie zmienia wartoci swego wyjciaz ktrym z zapamitanych obrazw kojarzy si ?
-
Uruchamianie synchroniczne (?)kryterium stopu: aden z neuronw nie zmienia wartoci swego wyjciaz ktrym z zapamitanych obrazw kojarzy si ?
-
Uruchamianie synchroniczne (?)kryterium stopu: aden z neuronw nie zmienia wartoci swego wyjciaz ktrym z zapamitanych obrazw kojarzy si ?
-
Uruchamianie synchroniczne (NIE!)kryterium stopu: aden z neuronw nie zmienia wartoci swego wyjciaz ktrym z zapamitanych obrazw kojarzy si ?
never ending story:(
-
Uruchamianie asynchroniczne (TAK!)kryterium stopu: aden z neuronw nie zmienia wartoci swego wyjciaasynchroniczne jeden neuron uaktualnia warto wyjcia
-
Uruchamianie asynchroniczne (TAK!)kryterium stopu: aden z neuronw nie zmienia wartoci swego wyjciaasynchroniczne jeden neuron uaktualnia warto wyjcia
-
Uruchamianie asynchroniczne (TAK!)kryterium stopu: aden z neuronw nie zmienia wartoci swego wyjciaasynchroniczne jeden neuron uaktualnia warto wyjcia
-
Uruchamianie asynchroniczne (TAK!)kryterium stopu: aden z neuronw nie zmienia wartoci swego wyjciaasynchroniczne jeden neuron uaktualnia warto wyjcia
-
Uruchamianie asynchroniczne (TAK!)kryterium stopu: aden z neuronw nie zmienia wartoci swego wyjciaasynchroniczne jeden neuron uaktualnia warto wyjcia
-
Uruchamianie asynchroniczne (TAK!)kryterium stopu: aden z neuronw nie zmienia wartoci swego wyjciaasynchroniczne jeden neuron uaktualnia warto wyjcia
-
Uruchamianie asynchroniczne (TAK!)kryterium stopu: aden z neuronw nie zmienia wartoci swego wyjciaasynchroniczne jeden neuron uaktualnia warto wyjcia
-
Uruchamianie asynchroniczne (TAK!)kryterium stopu: aden z neuronw nie zmienia wartoci swego wyjciaasynchroniczne jeden neuron uaktualnia warto wyjcia
-
Uruchamianie asynchroniczne (TAK!)kryterium stopu: aden z neuronw nie zmienia wartoci swego wyjciaasynchroniczne jeden neuron uaktualnia warto wyjcia
-
Uruchamianie asynchroniczne (TAK!)kryterium stopu: aden z neuronw nie zmienia wartoci swego wyjciaasynchroniczne jeden neuron uaktualnia warto wyjcia
?
-
Co pamita sie Hopfielda?przynajmniej cz obrazw intencjonalnie zapamitanych+ negatywy tych obrazwskojarzenie: wzorzec najbliszy wg miary Hamminga
!
-
Co i ile pamita sie Hopfielda?przynajmniej cz obrazw intencjonalnie zapamitanych+ negatywy tych obrazwskojarzenie: wzorzec najbliszy wg miary Hammingapojemno pamici autoasocjacyjnej: P liczba zapamitanych obrazw z prawdopodobiestwem bliskim jednoci
-
Hopfield po co pamita?zastosowanie pamici autoasocjacyjnych: filtrowanie (odszumianie) uzupenianie
-
sie BAM (Kosko): asocjacjearchitektura: dwuwarstwowauczenie jednoetapoweuruchamianie synchronicznedwa tryby: wejcie: a, wyjcie: b wejcie: b, wyjcie: apojemno pamici:
-
sie BAM (Kosko): asocjacjeuczenie jednoetapowe:
-
sie BAM (Kosko): asocjacjeuczenie jednoetapowe:
-
BAM: uczenie (przykad)uczenie jednoetapowe:
-
BAM: uczenie (przykad)uczenie jednoetapowe:
-
BAM: uruchamianie (przykad)uruchamianie synchronicznekryterium stopu: aden z neuronw jednej z dwch warstw nie zmienia wartoci swego wyjcia
-
BAM: uruchamianie (przykad)uruchamianie synchronicznekryterium stopu: aden z neuronw jednej z dwch warstw nie zmienia wartoci swego wyjcia
-
BAM: uruchamianie (przykad)uruchamianie synchronicznekryterium stopu: aden z neuronw jednej z dwch warstw nie zmienia wartoci swego wyjcia
-
BAM: uruchamianie (przykad)uruchamianie synchronicznekryterium stopu: aden z neuronw jednej z dwch warstw nie zmienia wartoci swego wyjcia
-
BAM: uruchamianie (przykad)uruchamianie synchronicznekryterium stopu: aden z neuronw jednej z dwch warstw nie zmienia wartoci swego wyjcia
-
BAM: uruchamianie (przykad)uruchamianie synchronicznekryterium stopu: aden z neuronw jednej z dwch warstw nie zmienia wartoci swego wyjcia
-
BAM: uruchamianie (przykad)uruchamianie synchronicznekryterium stopu: aden z neuronw jednej z dwch warstw nie zmienia wartoci swego wyjcia
-
BAM: uruchamianie (przykad)uruchamianie synchronicznekryterium stopu: aden z neuronw jednej z dwch warstw nie zmienia wartoci swego wyjcia
-
BAM: uruchamianie (przykad)uruchamianie synchronicznekryterium stopu: aden z neuronw jednej z dwch warstw nie zmienia wartoci swego wyjcia
-
zagadnienie grupowania danychSie Kohonenasie jednowarstwowaneurony o cigej funkcji aktywacjiinterpretacja geometryczna wagzdolno grupowania danych na N gruppodobiestwo zdefiniowane jako: jak najmniejsze rnice poszczeglnych skadowych wejciowych w stosunku do (?)
-
Uruchamianie sieci Kohonenainterpretacja wag neuronu: charakterystyczny reprezentant grupy
dane wejciowe zostaj zaklasyfikowane do grupy reprezentowanej przez neuron o najwikszej wartoci wyjcia
-
Uruchamianie sieci Kohonenainterpretacja wag neuronu: charakterystyczny reprezentant grupy
dane wejciowe zostaj zaklasyfikowane do grupy reprezentowanej przez neuron o najwikszej wartoci wyjcia
-
Uruchamianie sieci Kohonenainterpretacja wag neuronu: charakterystyczny reprezentant grupy
dane wejciowe zostaj zaklasyfikowane do grupy reprezentowanej przez neuron o najwikszej wartoci wyjcia
Jak teoria mijaa si z prawd
-
Wagi sieci Kohonenawymagana jest normalizacja wag:
-
Uczenie sieci Kohonenaregua WINNER TAKES ALL korekcie wag podlega tylko neuron zwycizca
korekcie wag podlega nie tylko neuron zwycizca, ale rwnie neuronw nalecych do ssiedztwa
-
Sie Kohonena, problemywymagana znajomo maksymalnej liczby grupsie nie zna odpowiedzi NIE WIEM kady z obrazw wejciowych zostanie zaklasyfikowany do jednej z N grup
-
Sie Kohonena, zaskakujce (?) wasnociKto tak naprawd zwycia i skd to si bierze?
-
Sie Kohonena, zaskakujce (?) wasnociKto tak naprawd zwycia i skd to si bierze?
-
Sie Kohonena, zaskakujce (?) wasnociKto tak naprawd zwycia i skd to si bierze?
-
Sieci neuronowe (podsumowanie)architektura:jednowarstowe/wielowarstwowez/bez sprzenia zwrotnegouczenie z/bez nauczycielazastosowania:klasyfikacjaaproksymacja, prognozowaniefiltrowanie (auto/heteroasocjacja)grupowanie (detekcja regularnoci)
-
Nauka... jako konsekwencja decyzjiparadygmat naukowyrewolucja naukowa (Thomas Kuhn)
-
Nauka... jako konsekwencja decyzjiparadygmat naukowyrewolucja naukowa (Thomas Kuhn)
-
Nauka... jako konsekwencja decyzjiparadygmat naukowyrewolucja naukowa (Thomas Kuhn)
-
Nauka... jako konsekwencja decyzjiparadygmat naukowyrewolucja naukowa (Thomas Kuhn)
-
Nauka... jako konsekwencja decyzjiparadygmat naukowyrewolucja naukowa (Thomas Kuhn)
-
Problemy... rzeczywistoRozwizywanie problemw vs podejmowanie decyzji
-
Strategie podejmowania decyzji
-
Problemy... sztuczne sieci neuronoweRozwizywanie problemw vs podejmowanie decyzji
**********