Боровиков В.П. - SNN Нейронные сети

УДК 004.8.032.26ББК 32.973Н45Н45Нейронные сети. STATISTICA Neural Networks: Методология и технологиисовременного анализа данных / Под редакцией В. П. Боровикова. – 2-е изд.,перераб. и доп. – М.: Горячая линия – Телеком, 2008. – 392 с, ил.ISBN 978-5-9912-0815-8.Изложены нейросетевые методы анализа данных, основанные на использованиипакета STATISTICA Neural Networks (фирма производитель StatSoft), полностьюадаптированного для русского пользователя. Даны основы теории нейронных сетей;большое внимание уделено решению практических задач, всесторонне рассмотренаметодология и технология проведения исследований с помощью пакета STATISTICANeural Networks – мощного инструмента анализа и прогнозирования данных, имеющегоширокие применения в бизнесе, промышленности, управлении, финансах.

Книгасодержит множество примеров анализа данных, практические рекомендации попроведению анализа, прогнозирования, классификации, распознавания образов,управления производственными процессами с помощью нейронных сетей.Для широкого круга читателей, занимающихся исследованиями в банковскойсфере, промышленности, экономике, бизнесе, геологоразведке, управлении, транспорте идругих областях.ББК 32.973Адрес издательства в Интернет www.techbook.rue-mail: radios_hl@mtu-net.ruСправочное изданиеНейронные сетиSTATISTICA Neural Networks:Методология и технологии современного анализа данныхКорректор В.Н. МихинПодготовка оригинал-макета Е.В.

КормаковаОбложка художника В.Г. СитниковаПодписано в печать 25.05.07. Формат70×100/16. Усл. изд. л. 32,5. Изд. № 8015ООО «Научно-техническое издательство «Горячая линия – Телеком»Отпечатано в типографии «Тиль-2004»Заказ № 05ISBN 978-5-9912-0015-8© STATISTICA Neural Networks (SNN), 2008© В.

П. Боровиков, 2008© Оформление издательства«Горячая линия – Телеком», 2008Предисловиеко второму изданиюВторое издание получившей известность книги существенно дополнено ипереработано.Написаны новые главы, посвященные введению в анализ данных, теориювероятностей, теорию нейронных сетей. Материал, содержащийся в этих главах,позволяет углубленно понимать методологию применения нейронных сетей.В настоящее время нейронные сети интенсивно используются в банках,промышленности, маркетинге, экономике, медицине и других областях, гдетребуется прогнозирование и углубленное понимание данных.

Общепризнанно, чтонейронные сети являются естественным дополнением классических методов анализаи применяются там, где стандартные процедуры не дают нужного эффекта.STATISTICA Neural Networks являются единственным в мире программнымпродуктом для проведения нейросетевых исследований, полностью переведеннымна русский язык. Это означает, что весь интерфейс (десятки диалоговых окон исценариев исследования) и справочная система STATIST1CA Neural Networksпереведены на русский язык и доступны пользователю в единой среде.Мы включили в книгу дополнительную главу по классическим методаманализа, что позволяет читателю сравнить различные подходы.Отдельная глава книги посвящена методам добычи данных (Data Mining) –современным технологиям анализа данных, объединяющим классические инейросетевые модели.В работе над книгой приняли участие сотрудники StatSoft Russia: B.C.Pacтунков, А.К. Петров, В.А.

Панов.Всем им мы выражаем искреннюю благодарность.Наша особенная признательность Людмиле Екатовой за сложную икропотливую работу по подготовке рукописи к печати.Научный директор StatSoft RussiaВ.П. БоровиковВведениеПриглашение в нейронные сетиЗа последние несколько лет интерес к нейронным сетям существенно возрос:они применяются в финансах, бизнесе, медицине, промышленности, технике,геологоразведке и других областях.Нейронные сети используются везде, где требуется решать задачипрогнозирования, классификации или управления, поскольку они применимыпрактически в любой ситуации, когда имеется связь между переменными–предикторами (входными переменными) и прогнозируемыми переменными(выходными переменными), даже если эта связь имеет сложную природу и еетрудно выразить в обычных терминах корреляций или различий между группами.Методы нейронных сетей могут использоваться независимо или служитьпрекрасным дополнением к традиционным методам анализа данных.

Большинствостатистических методов связано с построением моделей, основанных на тех илииных предположениях и теоретических выводах (например, в предположении, чтоискомая зависимость является линейной или переменные имеют нормальноераспределение).Нейросетевой подход свободен от модельных ограничений, он одинаковогодится для линейных и сложных нелинейных зависимостей и особенно эффективенв разведочном анализе данных, когда необходимо выяснить, имеются ли вообщезависимости между переменными. Сила нейронных сетей заключается в ихспособности самообучаться.

Процедура обучения состоит в настройкесинаптических весов с целью минимизации функции потерь.В данной книге для построения нейронных сетей используется пакетSTATISTICA Neural Networks, имеющий удобный интерфейс и позволяющийпроводить исследования в диалоговом режиме. Все диалоговые окна и подсказки,включая электронную справочную систему, полностью переведены на русский языки доступны пользователям.Нейронные сети STATISTICA – это единственный в мире программныйпродукт для нейросетевых исследований, полностью переведенный на русскийязык.Существенным преимуществом пакета STATISTICA Neural Networks являетсято, что он естественным образом встроен в мощный арсенал аналитических средствпрограммы STATISTICA.

Именно сочетание классических и нейросетевых методовдает нужный эффект.Настоящая книга состоит из одиннадцати глав.В первой главе мы описываем основные понятия анализа данных, во второйдаем введение в теорию вероятностей.Третья глава содержит теоретическое введение в нейронные сети. Заметим,теория вероятностей является основанием нейронных сетей.

Эта глава необходимадля углубленного понимания методов и принципов работы нейронных сетей. В неймы описываем знаменитую формулу Байеса и правило оптимальной байесовскойклассификации.Четвертая глава содержит общий обзор нейронных сетей, реализованных вSTATISTICA Neural Networks, знакомит читателя с интерфейсом программы,опциями, помогает усвоить основные направления анализа.В пятой главе читатель учится делать первые шаги в STATISTICA NeuralNetworks.В шестой главе описываются дальнейшие возможности нейронных сетей.Подробно рассматриваются сети на основе радиально базисных функций,описываютсямногослойныеперсептроны,самоорганизующиесякарты,вероятностные и обобщенно–вероятностные модели.

Рассказывается, как построитьсеть с помощью Мастера решений, – удобного средства проведения нейросетевогоанализа для начинающих пользователей; дается представление о генетическихалгоритмах понижения размерности.В седьмой главе представлены практические советы по решению задач спомощью нейронных сетей.В восьмой главе содержатся решения конкретных задач (case studies).

Этаглава особенно интересна широкому кругу читателей, так как показываеттехнологию нейронных сетей в действии. Примеры охватывают широкий кругприложений: от геологии и промышленности до финансов; рассматриваются задачиклассификации,распознаванияобразов,прогнозирования,управленияпроизводственными процессами.В девятой главе читатель найдет краткое руководство по использованиюнейросетевого пакета STATISTICA Neural Networks.Десятая глава посвящена методам статистики, альтернативным нейроннымсетям.

Здесь описываются методы дискриминантного анализа, факторного анализа илогистической регрессии. Очевидно, пользователь должен иметь возможностьсравнить методы и выбрать наиболее адекватные.В одиннадцатой главе мы кратко описываем современные технологиидобычи данных, в которых методы нейронных сетей сочетаются с классическимиметодами анализа.Приведем типичные примеры применения нейронных сетей. Впромышленности актуальной является задача управления производственнымипроцессами (производственной установкой).

Например, в газовой отраслипромышленности вы можете настроить нейронную сеть и автоматически изменятьпараметры, чтобы контролировать качество продукта на выходе.Аналогичные задачи возникают при переработке нефти. Можноконтролировать качество бензина на основе спектральных характеристик, измеряяспектр, относить произведенный продукт к определенному классу.Так как зависимости носят нелинейный характер, то нейронные сети являютсяподходящим инструментом для проведения классификации.В финансовой сфере актуальной задачей является потребительскоекредитование.

За последние годы потребительское кредитование интенсивноразвивалось и стало одним из наиболее растущих секторов банковского бизнеса.Число финансовых учреждений, предоставляющих товары и услуги в кредит, растетдень за днем. Риск этих учреждений зависит от того, насколько хорошо они могутотличать «хороших» претендентов на получение кредита от «плохих».Анализируя кредитную историю заемщика, можно предсказать способ егодействий и принять решение о выдаче займа или отказе в кредите.Интересной задачей является различение электронной подписи, распознаванияголоса, разнообразные задачи, связанные с геологоразведкой. Для решения этихзадач могут применяться нейронные сети.Далее мы представим цепочку диалоговых окон в пакете Нейронные сетиSTATISTICA и покажем, как организован диалог с пользователем системы.Обратим внимание на удобный интерфейс и наличие инструментов Мастерарешений и Конструктора сетей, позволяющих пользователям конструироватьсобственные сети и выбирать наилучшие.Итак, прежде всего, запустим пакет STATISTICA Neural Networks.Шаг 1.