Implementacja i wykorzystanie wielowarstwowej sieci perceptronowej w modelowaniu makroekonomicznym
Spis treści
- Strona tytułowa
- Spis treści
- Wstęp
- Sztuczna inteligencja
- Pojęcie inteligencji
- Obszar zainteresowań sztucznej inteligencji
- Rozwój badań nad sztuczną inteligencją
- Sztuczne sieci neuronowe
- Systemy ekspertowe
- Logika rozmyta
- Algorytmy genetyczne
- Systemy hybrydowe
- Zastosowania sztucznej inteligencji
- Podsumowanie
- Jednokierunkowe, wielowarstwowe sieci neuronowe i algorytm wstecznej propagacji błędu
- Klasyfikacja sieci neuronowych
- Mózg i komórka nerwowa - inspiracje biologiczne
- Matematyczny model neuronu
- Warstwy sieci neuronowej
- Wstępne i końcowe przetwarzanie danych
- Klasyczny algorytm wstecznej propagacji błędu - EBP (ang. Error Back Propagation)
- Momentowa metoda wstecznej propagacji błędu - MEBP (ang. Momentum Error Back Propagation)
- Dobór optymalnej struktury sieci neuronowej
- Pomiar jakości działania sieci neuronowej
- Zdolność do generalizacji i zjawisko przeuczenia sieci neuronowej
- Podsumowanie
- Objaśnienia zastosowanych symboli
- Algorytm uczenia sieci neuronowej oparty na metodzie wstecznej propagacji błędu
- Parametryzowanie sigmoidalnej funkcji aktywacji
- Współczynnik uczenia
- Współczynnik momentu
- Algorytm Chana i Falsidea
- Modyfikacja momentowej metody wstecznej propagacji błędu
- Zjawisko przetrenowania sieci neuronowej
- Właściwości algorytmu wczesnego stopu
- Wartość progowa - bias
- Generowanie sztucznych obserwacji przy użyciu interpolacji
- Wykorzystanie sztucznych, interpolowanych obserwacji
- Podsumowanie
- Implementacja sztucznej sieci neuronowej oraz algorytmów uczenia w języku Java
- Język Java
- Wzorce projektowe w Javie
- Koncepcja silnika neuronowego
- Interpreter poleceń i koncepcja łańcucha odpowiedzialności
- Wzorzec fabryki i metody fabrycznej użyty w interpreterze
- Wzorzec polecenia jako rozdzielnie operacji interpretowania, obsługi interfejsu i obliczeń neuronowych
- Klasy obsługujące wejście i wyjście jako dekoratory
- Wykorzystanie koncepcji mostu w interakcji obiektów neuronów i sieci neuronowej
- Neuron jako implementacja wzorca prototypu
- Klasy bazowe konkretnych klas neuronów jako przykłady wzorca szablonu
- Podsumowanie
- Składnia poleceń programu NeuralEngine v1.0
- Struktura plików wykorzystywanych przez program NeuralEngine v1.0
- Model gospodarki Szwecji EMIL w postaci sieci neuronowych
- Model EMIL
- Rezygnacja ze zmiennych zero-jedynkowych
- Usuwanie tendencji rozwojowej
- Wyznaczenie minimalnych i maksymalnych wartości zmiennych
- Ocena stopnia generalizacji i dopasowania sieci neuronowej do modelowanych zależności
- Przygotowanie plików ze strukturą sieci i obserwacjami
- Porównanie efektywności podstawowej i zmodyfikowanej wersji momentowej metody wstecznej propagacji błędu
- Metody trenowania i podział danych uczących
- Funkcja zmiany popytu
- Funkcja stopy inflacji
- Funkcja zmiany eksportu netto
- Funkcja zmiany nakładu pracy
- Podsumowanie
- Objaśnienia używanych symboli makroekonomicznych
- Zakończenie
- Bibliografia