Введение
1 Использование и получение знаний в нейросетевых моделирующих системах 14
1.1 Обзор современных нейросетевых программных продуктов 14
1.2 Методы создания многослойных нейронных сетей на основе знаний... 26
1.2.1 Классический способ генерации архитектуры нейросети с бинарными входами и выходами 26
1.2.2 Особенности обучения многослойных нейросетей 28
1.2.3 Анализ методов построения логически прозрачных нейросетей 32
1.3 Создание многослойных нейронных сетей при недостаточном размере обучающего множества". 43
1.4 Выводы 47
2 Создание нейросетевого аппроксиматора на основе алгебраической формулы 50
2.1 Теоретические основы метода FBANN... 50
2.1.1 Приведение силы взаимного влияния переменных в нейросетевой и линейной алгебраической моделями 50
2.1.2 Сохранение семантических связей в нейросети с помощью частотного контрастирования 63
2.2 Метод создания нейросетевого аппроксиматора на основе алгебраической формулы 68
2.2.1 Назначение и условия применения метода FBANN 68
2.2.2. Алгоритм создания нейросетевой модели по методу FBANN .. 70
2.3 Выводы 81
3. Оценка эффективности метода FBANN при нейросетевом моделировании рентабельности предприятий молочной промышленности краснодарского края 83
3.1 Целесообразность использования искусственных нейросетей для моделирования функциональных зависимостей экономических процессов 83
3.2 Показатели оценки эффективности методов создания нейросетевой модели 87
3.3 Моделирование рентабельности промышленного предприятия 89
3.3.1 Актуальность нейросетевого моделирования рентабельности 89
3.3.2 Формализация модели рентабельности промышленного предприятия 93
3.4 Экспериментальная оценка эффективности методов моделирования рентабельности 107
3.4.1 Выбор методов и средств моделирования 107
3.4.2 Создание и исследование моделей 109
3.5 Выводы 121
Заключение 123
Список использованной литературы 125
Приложения
