19. Области применения нс

Примеры применения НС:

• Автопилотируемый гиперзвуковой самолет.

• Системы безопасности в аэропортах

• Прогнозирование на фондовом рынке. Зная цены акций за последнюю неделю и сегодняшнее значение индекса FTSE, спрогнозировать завтрашнюю цену акций.

• Предоставление кредита. Требуется определить, высок ли риск предоставления кредита частному лицу, обратившемуся с такой просьбой. В результате разговора с ним известен его доход, предыдущая кредитная история и т.д.

• Управление. Нужно определить что должен делать робот (повернуться направо или налево, двигаться вперед и т.д.), чтобы достичь цели; известно изображение, которое передает установленная на роботе видеокамера.

• Активная реклама в Internet

• Распознавание краденных кредитных карт

20. Реализация нс на эвм

Применение нейронных сетей.

1.Идентификация.

Задача: идентифицировать с помощью нейронных сетей легковые транспортные средства, которые стоит страховать и которые страхованию не подлежат.

Пусть:

i-номер автомобиля

Каждый автомобиль оценивается следующими параметрами:

a_i - учет в ГИБДД

если машина состоит на учете, то a_{i =} 1,если нет, то a_{i =} 0

b_{i -} наличие номера кузова

при наличии номера кузова b_i =3, при отсутствии b_i =0

c_{i -} наличие номера двигателя

при наличии номера двигателя c_i =5, при отсутствии c_i =0

d_{i -} год выпуска

если год выпуска установлен, то d_i =7, если не установлен, то d_i =0

e_{i -} срок эксплуатации

если срок эксплуатации до 5 лет, то e_i =9, если свыше 5 лет, то e_i =0

Каждый автомобиль оценивается экспертом. При наличии хотя бы одного 0 в параметрах, эксперт присваивает транспортному средству 0, это значит – «не страховать». Если же в параметрах нет нулей, эксперт ставит 1 – «страховать».

Ni- оценка автомобиля (страховать - не страховать)

Необходимо определить N_k по известным N_k-1, N_k-2, N_k-3, N_k-4, N_k-5

Пусть F нейронная сеть с 5 входами и одним выходом.

Тогда Nk=F(N_k-1, N_k-2, N_k-3, N_k-4, N_k-5,{wⁿij})

Для обучения используем 5 параметров 21 автомобиля.

Для проверки – 5 параметров 17 автомобилей.

Решение:

Перед идентификацией нейронную сеть необходимо обучить. В качестве обучающего материала используются 5 параметров автомобиля, имеющего оценку экспертов. Для обучения применим метод «скользящего окна». Установим окно в 5 параметров. Тогда в первом случае обучения используются данные с 1 по 5 параметр первого автомобиля, и полученную оценку сравниваем с оценкой экспертов, которые оценили первый автомобиль. Высчитывается ошибка идентификации между оценкой экспертов и полученной оценкой, далее окно смещаем на 5 точек вниз. Во втором случае используются с 1 по 5 параметр второго автомобиля, и полученную оценку сравниваем с оценкой экспертов, которые оценили второй автомобиль..

Количество нейронов во входном слое сети должно соответствовать величине «окна» и равно пяти. В выходном слое будет всего один нейрон, так как идентифицируется только одна оценка автомобиля.

Вывод: после обучения и применения нейронной сети для решения поставленной задачи сеть из 17 введенных для проверки автомобилей с пятью параметрами дала 5,8 % ошибки. Таким образом, данную нейронную сеть целесообразно применять для идентификации легковых транспортных средств, которые стоит страховать и которые не подлежат страхованию.