Перейти к содержанию

NeuroNADS

Материал из Викиверситета
Эта статья — часть материалов: Факультет искусственного интеллекта
NeuroNADS
Разработчик

Евгений Пучков и Владимир Лила

Написана на

C#

ОС

Microsoft Windows

Последняя версия

0.6 (июнь 2010)

Лицензия

Donationware

Сайт

http://i-intellect.ru/projects/151/

NeuroNADS — интеллектуальная система, предназначенная для проектирования искусственной нейронной сети в автоматизированном режиме при решении прикладных задач. Работа с системой должна ограничиваться: выбором типа задачи (прогнозирование, классификация и др.), ввод исходных данных, анализ полученных результатов. Автоматизация процесса проектирования искусственной нейронной сети позволит сделать более доступным применение данной технологии для пользователей, не владеющих специализированными знаниями, а также стать основой для учебного электронного образовательного ресурса нового поколения, в состав которого также входили бы мультимедийные лекции и Интернет-проект. Разработан прототип проекта.

Область применения

[править]

NeuroNADS можно использовать для решения сложных задач таких, как прогнозирование, классификация, которые возникают в различных секторах экономики. Особенно большой спектр прикладных задач можно решать в области финансовых рынков: классификация и анализ временных рядов; прогнозирование, оптимизация товарных и денежных потоков; прогнозирование налоговых поступлений; расчет цен опционов; оценка индексов курсов акций; управление и оптимизация портфелей; оценка кредитного риска на основании данных нефинансового характера; прогнозирование банкротства корпораций и др. Также разработанная система может применяться в учебном процессе с целью обучения студентов методам нейросетевого анализа.

NeuroNADS позволяет:

  • Моделировать сложные нелинейные зависимости между факторами и целевыми показателями;
  • Выявлять тенденции в данных (при наличии временных рядов) для построения прогнозов;
  • Работать с неполными и зашумленными данными;
  • Получать содержательные результаты при относительно небольшом объеме исходной информации с возможностью последующего усовершенствования модели по мере поступления новых данных.

Ссылки

[править]