23
Нейронные сети Федеральное государственное образовательное бюджетное учреждение высшего профессионального образования «ФИНАНСОВЫЙ УНИВЕРСИТЕТ ПРИ ПРАВИТЕЛЬСТВЕ РОССИЙСКОЙ ФЕДЕРАЦИИ» Научный руководитель: Доктор физ.-мат. наук, профессо Степанов Сергей Евгеньевич Выполнил: Студент группы Э1-5 Дэмбэрэлсурэн Нямхуу

Нейронные сети

Embed Size (px)

DESCRIPTION

Применение нейронных сетей для прогнозирования движения цены.

Citation preview

Page 1: Нейронные сети

Нейронные сети

Федеральное государственное образовательное бюджетное учреждение высшего профессионального образования

 «ФИНАНСОВЫЙ УНИВЕРСИТЕТ

ПРИ ПРАВИТЕЛЬСТВЕ РОССИЙСКОЙ ФЕДЕРАЦИИ»

Научный руководитель: Доктор физ.-мат. наук, профессор, Степанов Сергей Евгеньевич Выполнил:Студент группы Э1-5Дэмбэрэлсурэн Нямхуу

Page 2: Нейронные сети

История

• 1943г. - Дж. Маккалоком и У. Питтом. Вышла их работа "Логическое исчисление идей, относящихся к нервной деятельности“.

• 1962г. - Френк Розенблатт предложил модель электронного устройства— персептрон.

Page 3: Нейронные сети

История• 1943г. - Дж. Маккалоком и У. Питтом. Вышла их работа

"Логическое исчисление идей, относящихся к нервной деятельности“.

• 1962г. - Френк Розенблатт предложил модель электронного устройства— персептрон.

• 1982г. - Дж. Хопфилд предложил оригинальную модель нейронной сети, названную его именем.

Пример использования сети Хопфилда

Page 4: Нейронные сети

Биологический нейрон

• Дендриты – прием сигнала

• Синапс – точка соединения

• Аксон – отправление сигнала

Page 5: Нейронные сети

Нейронные сети

• X – набор входных сигналов

• W – набор весовых коэффициентов

• – суммирующий блок

• NET – выход

Page 6: Нейронные сети

Активационные функцииМожет быть использован пороговая функция

если

Page 7: Нейронные сети

Сигмоидальная логистическая функция

)

Page 8: Нейронные сети

Функция гиперболического тангенса

𝑂𝑈𝑇= h𝑡 (𝑥 )=𝑒𝑁𝐸𝑇 −𝑒−𝑁𝐸𝑇

𝑒𝑁𝐸𝑇+𝑒−𝑁𝐸𝑇

Page 9: Нейронные сети

Нормализация входных данных

• – значение, подлежащее нормализации;

• – интервал значений ;

• – интервал, к которому будет приведено значение

Page 10: Нейронные сети

Задача XOR

Page 11: Нейронные сети

Многослойная нейронная сеть

Page 12: Нейронные сети

Обучение нейронной сетиПодстройки весов обычно называют “обучением” и говорят, что сеть “обучается”.

Page 13: Нейронные сети
Page 14: Нейронные сети
Page 15: Нейронные сети

Практическое применение

Page 16: Нейронные сети

НС для прогнозирования движения цены

Вероятно, пойдет вверх

Page 17: Нейронные сети
Page 18: Нейронные сети

Торговая стратегия• Показания индикатора > 70 – Открываем позицию на

продажу

• Показания индикатора < 30 – Открываем позицию на покупку

Page 19: Нейронные сети

Схема работы

30 0,54

40 0,32

50 0,67

60 0,24

70 0,88

65 0,13

50 0,45

45 0,67

10 0,55

34 0,42

Если покупаемЕсли продаем

Page 20: Нейронные сети

Обучение сети

Page 21: Нейронные сети

РезультатНачальный депозит 10000Прибыль без использования НС 733,56Прибыль с использованием НС 2658,29

Page 22: Нейронные сети
Page 23: Нейронные сети

Спасибо за внимание