Поиск

Полнотекстовый поиск:
Где искать:
везде
только в названии
только в тексте
Выводить:
описание
слова в тексте
только заголовок

Рекомендуем ознакомиться

'Тезисы'
О первой попытке организации иезуитской миссии в Новой Франции нам известно из двух основных источников: отчеты самих миссионеров (в первую очередь о...полностью>>
'Закон'
393 N 18 -III ( 18 -14 ) від 1.1 . , ВВР, 001, N 9, ст. 39 N 419-III ( 419-14 ) від 17.05. 001, ВВР, 001, N 31, ст.149 N 470-III ( 470-14 ) від 9.05....полностью>>
'Информационный бюллетень'
08.10 Отъезд группы школьников – победителей научно-практической конференции старшеклассников «Будущее сильной России – в высоких технологиях» (Ладож...полностью>>
'Книга'
Останнім часом дуже часто встає питання: «Що стане з книгою в 21 столітті? Чи буде звичайна книга і далі служити людям, чи її цілком витиснуть електр...полностью>>

Программа дисциплины Нейросетевые технологии в финансах для направления 080100. 62 "Экономика"

Главная > Программа дисциплины
Сохрани ссылку в одной из сетей:



Программа дисциплины

Нейросетевые технологии в финансах

для направления 080100.62 "Экономика"

(вторая ступень высшего профессионального образования)

Утверждена

Учебно-методическим Советом ПФ ГУ-ВШЭ

Председатель ____________ Г.Е. Володина

«_______» ______________________20__ г.

Одобрена на заседании кафедры ____________________________________

Зав. кафедрой финансового менеджмента _____________________Шакина Е.А. «_______» ___________________20__ г.

Пермь 2010 год

I. Пояснительная записка

1. Автор программы: профессор кафедры финансового менеджмента Ясницкий Л.Н., д.т.н.

2. Требования к студентам:

При изучении курса предполагается, что слушателями освоены программы курсов «Микроэкономика», «Экономика организаций (предприятия)», «Финансовый менеджмент», «Рынок ценных бумаг», «Управленческий учет», «Международные стандарты учета и финансовой отчетности», «Эконометрика».

3. Аннотация:

Программа курса предусматривает изучении истории, и теоретической базы основных стратегий искусственного интеллекта: экспертных системы, генетических алгоритмов и нейросетевых технологий, причем последнему уделяется доминирующее внимание, как наиболее эффективной стратегии, имеющей наибольшее количество приложений при решении экономических проблем.

Изложение теоретического материала чередуется с выполнением лабораторных работ, позволяющих наиболее глубоко усвоить теоретический материал и оценить возможности его практического применения. Курс заканчивается выполнением самостоятельной контрольной работы, состоящей в проектировании, обучении, тестировании и исследовании нейросетевой математической модели, решающей проблемы предметной области, выбираемой самими студентами.

4. Учебная задача курса:

  • ознакомить студентов с современной методологической базой нейросетевых технологий;

  • показать эффективность использования нейросетевых технологий для решения экономических задач, очертить круг задач, решаемых методами нейросетевого моделирования, акцентировать внимание на типичные ошибки в подборе данных и применении алгоритмов нейросетевого моделирования;

  • сформировать целостную систему знаний в области методики применения нейросетевого компьютерного моделирования;

  • выполнить самостоятельные работы с применением нейропакета «Нейросимулятор-1.0»;

В результате изучения дисциплины студент должен:

●Знать историю, проблемы и парадигмы искусственного интеллекта,

● Уметь ориентироваться в литературе и современных инструментальных средствах создания интеллектуальных информационных систем (ИИС) с применением нейропакетов;

● иметь представление о современном состоянии, тенденциях, методах и приемах искусственного интеллекта и методах нейросетевого моделирования;

● обладать навыками проектирования и практического применения ИИС на бзе нейронных сетей; владеть основными приемами и методами проектирования ИИС, иметь опыт проектирования и применения ИИС в экономике, бизнесе, банковском деле.

5. Формы контроля:

  • Текущий контроль проводится в форме: домашней письменной контрольной работы, заключающейся в выполнении индивидуального задания с применением нейропакета «Нейросимулятор-1.0».

  • Итоговый контроль проводится в форме письменной зачетной работы по теоретическому материалу.

  • Итоговая оценка складывается согласно положению о рейтинге в ПФ ГУ–ВШЭ.

II. Содержание программы

Раздел 1. Предмет, история, основные стратегии и направления развития
дисциплины ИИС

Тема 1.Предмет и история искусственного интеллекта (ИИ) и интеллектуальных информационных систем (ИИС).

Предмет ИИ и две даты его рождения. Деление ИИ на две основные школы: кибернетику «черного ящика» и нейрокибернетику, понятие об эволюционном программировании. Понятие интеллектуальной информационной системы.

Тема 2. Основные стратегии и направления развития ИИ и ИИС.

Стратегии создания ИИС: высокоуровневая, низкоуровневая, эволюционное моделирование. Представление и приобретение знаний во всех трех стратегиях.

Раздел 2.Экспертные системы

Тема 3 .Методы представления знаний в экспертных системах.

Данные и знания. Декларативная и процедурная формы представления знаний, Методы представления знаний: продукционные правила, семантические сети, фреймы. Понятие нечетких знаний, коэффициенты доверия, нечеткий вывод.

Тема 4. Составные части экспертной системы и их взаимодействие.

База знаний как ядро экспертной системы, механизм вывода, механизмы приобретения и объяснения знаний, интеллектуальный интерфейс: интерфейс разработчика и интерфейс пользователя.

Организация базы знаний.

Тема 5. Этапы проектирования экспертной системы.

Приобретение знаний. Извлечение знаний из данных. Идентификация, концептуализация, формализация, реализация, тестирование, опытная эксплуатация. Участники процесса проектирования: эксперты, инженеры по знаниям, программисты, пользователи и конечные пользователи.

Раздел 3. Нейронные сети.

Тема 6. Персептрон и его развитие.

Мозг и компьютер. Математический нейрон Мак-Каллока – Питса. Персептрон Розенблатта и правила Хебба. Дельта-правило, его обобщение и распознавание букв. Дальнейшее развитие персептрона Уидроу и Хоффом. Ограниченность однослойного персептрона. Многослойный персептрон и алгоритм обратного распространения ошибки. Виды активационных функций.

Тема 7. Возможности и сферы применения персептронов.

Новый инструмент получения научных знаний. Диагностика в медицине. Диагностика неисправностей сложных технических устройств. Нейросетевой детектор лжи. Прогнозирование результатов выборов президента страны. Нейросети в банковском деле: скоринг и прогнозирование банкротств. Модель рынка жилой недвижимости города. Прогнозирование валютных курсов и котировок ценных бумаг. Невербальность и «шестое чувство» нейросетей. Круг решаемых задач.

Тема 8. Проблемы проектирования и обучения персептронов.

Теоремы существования. Проблемы и методы проектирования. Обучение персептронов. Проблемы и методы обучения. Генетические алгоритмы. Дополнительные рекомендации по проектированию и обучению персептронов.

Раздел 4. Заключительная часть.

Тема 9. Настоящее и будущее искусственного интеллекта и нейросетевых технологий.

Искусственный интеллект и интеллектуальные информационные системы. Нейронные сети и экспертные системы. Нейросетевые технологии и технологии регрессионного анализа. Философские проблемы искусственного интеллекта и интеллектуальных информационных систем.

III. Учебно-методическое обеспечение дисциплины:

1. Литература

Базовый учебник

  1. Ясницкий Л.Н. Введение в искусственный интеллект. 2-е издание. – М.: Издательский центр «Академия», 2008. – 176с.

Основная:

  1. Пермская научная школа искусственного интеллекта и ее инновационные проекты. 2-е издание / Л.Н.Ясницкий, В.В.Бондарь, С.Н.Бурдин и др.; под ред. Л.Н.Ясницкого. – Москва-Ижевск: НИЦ «Регулярная и хаотическая динамика», 2008. – 75 с.

  1. Ясницкий Л.Н., Данилевич Т.В. Современные проблемы науки. – М.: БИНОМ. Лаборатория знаний, 2008. – 294.

Дополнительная:

  1. Матвеев М.Г. Методы и модели искусственного интеллекта. Применение в экономике: учеб. пособие / М.Г.Матвеев, А.С.Свиридов, Н.А.Алейникова. – М: Финансы и статистика; ИНФРА-М, 2008. – 448с.

  2. Люгер Дж.Ф. Искусственный интеллект: Стратегии и методы решения проблем / Дж.Ф.Люгер; пер. с англ. – М: Издательский дом «Вильямс», 2003

  1. Хайкин С. Нейронные сети: Полный курс, 2-е издание / С.Хайкин; пер. с англ. – М.: Издательский дом «Вильямс», 2006.

  1. Рассел С., Норвинг П. Искусственный интеллект: современный подход. – М.: Издательский дом «Вильямс», 2006.

  1. Ясницкий Л.Н. Интеллектуальные информационные технологии и системы: учеб.-метод. пособие / Перм.ун-т. – Пермь, 2007. – 271с.

2. Тематика заданий по различным формам текущего контроля:

Приложение 1. План практических занятий.

Приложение 2. Вопросы для самоконтроля.

Приложение 3. Варианты домашней контрольной работы.

  1. Методические рекомендации (материалы) преподавателю:

Технологии создания интеллектуальных информационных систем с применением нейросетевых технологий в настоящее время находятся в авангарде научно-технического прогресса и с успехом побивают все рекорды по темпам развития и по количеству практических приложений в самых разных областях человеческой деятельности.

В учебном курсе изучаются три основных стратегических подхода к созданию систем искусственного интеллекта: использование технологии экспертных систем, нейроинформационных технологий и технологии генетических алгоритмов.

Изучение материала ведется с соблюдением хронологической последовательности развития науки «искусственный интеллект» так, что каждая новая идея, каждый новый метод появляются не случайно, а являются закономерным ответом на возникшие проблемы и парадоксы.

Большое внимание уделяется вопросам практического применения методов искусственного интеллекта, в частности, при решении задач распознавания образов, прогнозирования, управления, диагностики, оптимизации, при решении проблем экономики, в особенности рынка ценных бумаг, рынка недвижимости, банковского дела.

Основным учебным материалом является учебное пособие для вузов [1], выпущенное Издательским центром «Академия» в 2005 г. и переизданное в 2008 г. Опыт преподавания курса «Интеллектуальные информационные системы» в российских вузах на основе учебного пособия [1] показал чрезвычайную его востребованность и заинтересованность студентов, которая сопровождалась множеством курсовых, дипломных и диссертационных работ, посвященных применению идей и методов искусственного интеллекта в экономике, промышленности, политологии, социологии, психологии, криминалистики и других сферах человеческой деятельности. Многие из этих экспериментальных студенческих работ стали основой смелых, и в то же время вполне реальных инновационных проектов, которые в настоящее время активно развиваются кафедрами вузов и внедряются продвинутыми IT-фирмами. Все это позволило открыть в г.Перми Пермское отделение Научного Совета РАН по методологии искусственного интеллекта. Образовалось то, что принято называть научной школой. Некоторые результаты инновационной деятельности Пермской научной школы искусственного интеллекта нашли отражение в коллективной (28 авторов, большинство из которых студенты) монографии [2] и еще в сотне научных публикаций.

В ходе апробации нового учебного курса в вузах авторам удалось выстроить его так, что, несмотря на изначальную сложность, материал с легкостью усваивался студентами с совершенно разными уровнями подготовки.

После изложения лекционного материала студенты приступают к выполнению лабораторных работ. Лабораторные работы скачиваются с сайта /. Там же приведены инструкции по их выполнению.

Лабораторные работы оснащены удобным интерфейсом. В основу лабораторных работ заложена идея азартной компьютерной игры так, что их выполнение обходится практически без вмешательства преподавателя или лаборанта. Между учащимися и компьютерами завязывается активный диалог, в ходе которого учащиеся последовательно осваивают одну идею искусственного интеллекта за другой, иногда наталкиваясь на подводные камни и попадая в «ловушки», в которых порой оказывались ученые-создатели науки «Искусственный интеллект». Такой способ освоения материала, по-нашему мнению, способствует глубокому проникновению в суть проблем, и не позволит в будущем повторять вошедшие в историю заблуждения и ошибки.

В ходе выполнения лабораторных работ учащиеся осваивают специально созданный для них программный инструмент – Симулятор нейронных сетей «Нейросимулятор 1.0». (Свидетельство об отраслевой регистрации разработки №8756. Зарегистрировано в Отраслевом фонде алгоритмов и программ 12.07.2007). С помощью этого инструмента они создают любые структуры нейронных сетей персептронного типа, подбирают их параметры, оптимизируют, обучают решению конкретных практических задач.

После выполнения цикла лабораторных работ учащимся предлагается выполнить самостоятельное индивидуальное домашнее задание состоящее в следующем:

1. Придумать тему самостоятельной работы, желательно связанную с предполагаемой будущей работой студента, либо с его курсовыми и дипломными работами.

2. Собрать множество примеров выбранной студентом предметной области.

3. Выполнить содержательную постановку задачи.

4. С помощью нейропакета «Нейросимулятор 1.0», вызываемого при открытии лабораторной работы №8, студентам предлагается спроектировать, обучить и протестировать нейронную сеть, решающую поставленную студентом задачу.

5. Выполнить исследование нейросетевой математической модели с целью извлечения закономерностей исследуемой предметной области и разработке на этой основе полезных практических рекомендаций.

Результат выполнения студентами индивидуального задания является основным критерием качества усвоенного материала, оценкой способности студентов применять его на практике.

  1. Методические указания студентам:

Изучение дисциплины предполагается в классическом варианте: лекции, включающие компьютерную презентацию (не более 1% времени) чередуются с лабораторными работами.

Лабораторные работы оснащены современным интерфейсом. В их основу заложена идея азартной компьютерной игры так, что их выполнение обходится практически без вмешательства преподавателя или лаборанта.

В ходе выполнения лабораторных работ учащиеся осваивают специально созданный для них программный инструмент – «Симулятор нейронных сетей». С помощью этого инструмента они могут создавать любые структуры нейронных сетей персептронного типа, подбирать их параметры, обучать решению широкого круга практических задач. Некоторые из таких задач из области медицины, политологии, социологии, экономики и др. учащимся предлагается решить с помощью освоенного ими инструмента. Студентам также предоставляется возможность самим придумывать и ставить проблемы и самим их решать методами искусственного интеллекта. Это задачи прогнозирования, диагностики, оптимизации, классификации и распознавания. Студенты сами ставят проблему, сами находят или подбирают обучающие примеры, создают, оптимизируют и обучают нейронную сеть, получая нейросетевую математическую модель предметной области, затем исследуют эту модель, получая полезные для практического применения результаты. Курсовые работы, которые впоследствии выполняют студенты, являются логическим продолжением лабораторного практикума.

Наработанный таким образом опыт создания интеллектуальных информационных систем может быть использован при выполнении дипломных работ, а также использован в будущей научной и производственной деятельности. В отличие от лабораторных и курсовых, темы дипломных работ должны преимущественно иметь экономическую направленность. Это прогнозирование финансовых рынков, котировок акций и курсов валют, интеллектуальные системы оценки экономического состояния предприятий, прогнозирования кризисного состояния и банкротств предприятий, оценки финансовых рисков, скоринговые системы, интеллектуальные системы оценки недвижимости, товаров и услуг, индексов потребительских цен и т.п.

Самостоятельная работа студентов, согласно программе, составляет всего 5 часов. Это подготовка к текущим лекциям и лабораторным работам (каждая лекция начинается с повторения пройденного материала – краткий опрос с выставлением оценок за полученные ответы)

  1. Рекомендации по использованию информационных технологий:

При проведении практических занятий рекомендуется использовать Симулятор нейронных сетей «Нейросимулятор 1.0». (Свидетельство об отраслевой регистрации разработки №8756. Зарегистрировано в Отраслевом фонде алгоритмов и программ 12.07.2007), а также лабораторный практикум, который скачивается с сайта: /. Там же можно прочитать инструкции по выполнению лабораторных работ.

Автор программы Л.Н.Ясницкий

IV. Тематический расчет часов для направления 0801000.62 «Экономика»

Форма обучения Очная

Названия разделов и тем

Аудиторные часы

Самостоя-тельная работа

Всего часов

Лекции

Практ. занятия, семинары

Всего

Раздел 1.

Предмет, история, основные стратегии и направления развития дисциплины ИИС

1. Предмет и история искусственного интеллекта (ИИ) и интеллектуальных информационных систем (ИИС).

2. Основные стратегии и направления развития ИИ и ИИС.

2

2

5

7

Раздел 1.

Предмет, история, основные стратегии и направления развития дисциплины ИИС

3 .Методы представления знаний в экспертных системах.

4. Составные части экспертной системы и их взаимодействие.

5. Этапы проектирования экспертной системы.

2

2

10

12

Раздел 3.

Нейронные сети

6. Персептрон и его развитие.

2

2

4

20

24

7. Возможности и сферы применения персептронов.

4

8

12

30

32

8. Проблемы проектирования и обучения персептронов.

2

4

6

10

16

Раздел 4.

Заключительная часть.

9. Настоящее и будущее искусственного интеллекта и интеллектуальных информационных систем.

2

2

5

7

Итого

14

14

28

80

108

Автор программы Л.Н.Ясницкий

Приложение 1

План практических занятий

Лабораторные работы

№ и названия

разделов и тем

Цель и содержание лабораторной работы

Результаты

лабораторной работы

Лабораторная работа № 1«Математический нейрон»

Тема 6. Персептрон и его развитие. Мозг и компьютер. Математический нейрон Мак-Каллока – Питса.

Подобрать параметры нейрона Мак-Каллока-Питтса. Попытки моделирующего логических функций «И», «ИЛИ», «Иксключающее ИЛИ»

Понимание принципа действия математического нейрона Мак-Каллока-Питтса.

Лабораторная работа № 2: «Классификация чисел на четные и нечетные»

Персептрон Розенблатта и правила Хебба. Ограниченность однослойного персептрона.

Обучить персептрон классификации чисел на четные и нечетные.

Понимание принципа действия персептрона.

Лабораторная работа № 3: «Распознавание печатных букв»

Понимание принципа действия персептрона.

Обучить персептрон распознавать печатные буквы русского алфавита.

Понимание принципа действия и возможностей персептрона.

Лабораторная работа № 4: «Распознавание печатных и рукописных букв»

Дельта-правило, его обобщение и распознавание букв. Дальнейшее развитие персептрона Уидроу и Хоффом

Обучить персептрон распознавать печатные и рукописные буквы русского алфавита.

Понимание принципа действия и возможностей персептрона.

Лабораторная работа № 5: «Двухслойный персептрон»

Многослойный персептрон и алгоритм обратного распространения ошибки. Виды активационных функций.

Обучить двухслойный персептрон моделированию логических функций «И», «ИЛИ», «Иксключающее ИЛИ».

Понимание принципа действия и возможностей многослойного персептрона, изучение влияние его параметров на процесс обучения.

Лабораторная работа № 6: «Медицинская диагностика – один диагноз»

Тема 7. Возможности и сферы применения персептронов.

Новый инструмент получения научных знаний. Диагностика в медицине.

Создать множество обучающих примеров и обучить персептрон ставить один диагноз.

Умение ставить задачи и создавать нейросетевые модели медицинской диагностики.

Лабораторная работа № 7«Медицинская диагностика – несколько диагнозов»

Диагностика в медицине.

Создать множество обучающих примеров и обучить персептрон ставить четыре диагноза.

Умение ставить задачи и создавать нейросетевые модели медицинской диагностики.

Лабораторная работа № 8: «Моделирование таблицы умножения»

Тема 8. Проблемы проектирования и обучения персептронов. Теоремы существования. Проблемы и методы проектирования. Обучение персептронов. Проблемы и методы обучения.

Создать множество обучающих примеров, спроектировать персептрон и обучить его таблице умножения. добиться максимальных обобщающих свойств..

Умение выполнять проектирование, оптимизацию и обучение персептронов.

Лабораторная работа № 9: «Моделирование таблиц умножения и сложения»

Теоремы существования. Проблемы и методы проектирования. Обучение персептронов. Проблемы и методы обучения.

Создать множество обучающих примеров, спроектировать персептрон и обучить его таблице умножения. добиться максимальных обобщающих свойств..

Умение выполнять проектирование, оптимизацию и обучение персептронов.

Лабораторная работа № 10: «Прогнозирование выборов президента страны»

Тема 7. Возможности и сферы применения персептронов. Новый инструмент получения научных знаний. Прогнозирование результатов выборов президента страны.

Создать нейросетевую модель прогнозирования результатов выборов президента страны. Исследовать модель на предмет получения полезных рекомендаций..

Умение ставить задачи, создавать интеллектуальные информационные системы в политологии и выполнять их исследование с целью получения полезных выводов.

Лабораторная работа № 11: «Прогнозирование индексов потребительских цен»

Возможности и сферы применения персептронов. Новый инструмент получения научных знаний.

Создать нейросетевую модель прогнозирования результатов автомобильых гонок. Исследовать модель на предмет получения полезных рекомендаций.

Умение ставить задачи, создавать интеллектуальные информационные системы в области экономики и выполнять их исследование с целью получения полезных выводов.

Лабораторная работа № 12: «Моделирование рынка жилой недвижимости города»

Возможности и сферы применения персептронов. Новый инструмент получения научных знаний. Модель рынка жилой недвижимости города.

Создать нейросетевую модель рынка жилой недвижимости г.Перми. Исследовать модель на предмет получения полезных рекомендаций.

Умение ставить задачи, создавать интеллектуальные информационные системы в области экономики и выполнять их исследование с целью получения полезных выводов.

Лабораторная работа № 13: «Оценка экономических рисков: скоринг, прогноз банкротств»

Возможности и сферы применения персептронов Нейросети в банковском деле: скоринг и прогнозирование банкротств.

Создать нейросетевую модель прогнозирования экономических рисков. Исследовать модель на предмет получения полезных рекомендаций.

Умение ставить задачи, создавать интеллектуальные информационные системы в области экономики и выполнять их исследование с целью получения полезных выводов.

Приложение 2



Скачать документ

Похожие документы:

  1. Конкурс ппс. Утверждение программ, тем, критериев оценки выпускных квалификационных работ в рамках гак на 2008/2009 учебный год. Одополнении к нормативам времени для расчета объема учебной работы ппс при использовании дистанционных технологий

    Конкурс
    2.СЛУШАЛИ: А.М.Емельянова, Е.Л.Зуеву, с вопросом утверждения программ, тем, критериев оценки выпускных квалификационных работ в рамках ГАК на 2008/2009 учебный год (приложение 4).
  2. Программа развития кафедры на 2010-2013 годы принята на заседании Утверждена на заседании

    Программа
    Цель программы – повышение качества подготовки студентов, слушателей и аспирантов на основе повышения результативности научно-исследовательской и учебно-методической работы кафедры.
  3. Отчет о результатах самообследования Укрупненной группы специальностей (угс) (2)

    Публичный отчет
    Специальность 230102.65 – «Автоматизированные системы обработки информации и управления» открыта в МГУП в 1995/96 учебном году приказом Минобразования России № 404 от 22.
  4. «тюменский государственный нефтегазовый университет» справочник абитуриента по направлениям подготовки и специальностям высшего профессионального образования Тюмень, 2011

    Справочник абитуриента
    Вы держите в руках справочное издание для тех, кто стоит перед выбором направления своего жизненного пути, профессиональной судьбы своего ребенка, решает вопросы подбора кадров для организации.
  5. «тюменский государственный нефтегазовый университет» справочник абитуриента по направлениям подготовки и специальностям высшего профессионального образования Тюмень

    Справочник абитуриента
    Вы держите в руках справочное издание для тех, кто стоит перед выбором направления своего жизненного пути, профессиональной судьбы своего ребенка, решает вопросы подбора кадров для организации.

Другие похожие документы..