0Neurónová sieť je súhrnný pojem pre skupinu postupov z oblasti umelej inteligencie, z ktorých niektoré sa dajú dobre použiť ako klasifikačné systémy. Neurónové siete sú alternatívou k použitiu diskriminačnej analýzy vo finančnej analýze. Nevyžaduje hlboké matematicko – štatistické vedomosti ani existenciu žiadnych predpokladov. Viacrozmerná diskriminačná analýza naopak predpokladá napr. normálne rozdelenie dhodnôt ukazovateľov, nezávislosť ukazovateľov.
Výhody a nevýhody neurónových sietí
Výhoda neurónových sietí je schopnosť odhaliť nelineárne súvislosti v údajoch a schopnosť učiť sa. Nevýhodou neurónových sietí náročnosť na výpočty, veľmi výkonný počítač. Postup popisuje Zalai v knihe Neurónové siete na str. 97 – princíp LVQ je vysvetlený v porovnaní s rozlišovacou analýzou.
Rozlišovacia analýza
Podniky sú zobrazené bodmi a v ideálnom prípade získame dva zhluky bodov, Prosperujúce podniky tvoria zhluk ležiaci vľavo hore, sú označené ako dobré, nepropserujúce podniky tvoria zhluk ležiaci vpravo dole a sú označené ako zl“. Klasifikáciu podnikov a ich zaradenie do 1 z týchto 2 skupín sa uskutočňuje podľa zistenej rozlišovacej priamky.
LVQ
Namiesto rozlišovacej priamky sa vypočíta pre každý zhluk – stred. Klasifikácia podniku, jeho priradenie do 1 z 2 skupín sa uskutoční na základe jeho vzdialenosti od stredov obidvoch zhlukov. Hodnotený podnik má bližšie k stredu zhluku dobré, ako k zhluku zlé. Význam LVQ narastá najmä pri počte 2 a viacerých zhlukov. Identifikuje sa príslušný počet stredov zhlukov a následne sa uskutoční klasifikácia podnikov.
Princíp neurónových sietí
Neurónová sieť je výpočtový model, zostavený na základe abstrakcie vlastností biologických nervových systémov. Základnou časťou neurónovej siete je model neurónu s N vstupmi a M výstupmi. Základnou vlastnosťou neurónových sietí je schopnosť abstrakcie pravidiel medzi vstupnými a výstupnými hodnotami prezentovanými vo vhodnej forme a následnou aplikáciou získaných pravidiel na akékoľvek vstupné hodnoty. Neurónové siete sa využívajú v regulačnej a simulačnej technike. Proces abstrakcie sa nazýva učenie, a môže prebiehať s učiteľom alebo bez učiteľa. Počas tohto procesu sa aktualizujú hodnoty váhových spojení. V literatúre je popísaných niekoľko učiacich algoritmov. Po ukončení učenia, sa už hodnoty váh nemenia a sieť produkuje výstupy podľa uvedeného pravidla aplikovaného na vstupné hodnoty. Viac o neurónových sieťach nájdete na Wikipedii na stránke Neurónová sieť.
Prognózovanie finančno-ekonomickej situácie podniku – Neurónové siete (Zalai)
Wikipedia: http://sk.wikipedia.org/wiki/Neur%C3%B3nov%C3%A1_sie%C5%A5
Autor: EuroEkonóm.sk
Tento príspevok bol vytvorený 5.6.2008 a aktualizovaný 29.3.2015. Pozrite si ďalšie príspevky autora EuroEkonóm.sk.