Отдельная нейронная сеть для каждой переменной - Гибридная нейро-экспертная система для идентификации значимых событий на графиках временных рядов
По мере работ стало понятно, что нам не удавалось приблизиться к качеству, сравнимому с уровнем анализа эксперта, поскольку около 20% тестов классифицировались с ошибками.
Общение с экспертами привело к пониманию того, что они используют разные подходы анализа для разных переменных. Стало очевидной неспособность единственной нейронной сети адекватно анализировать все типы переменных, а значит, необходима отдельная сеть под каждую переменную. Такая группа сетей обучалась гораздо быстрее и давала общий процент ошибок на уровне 8%. Но даже оставшиеся ошибки могут быть компенсированы, поскольку представляется, что некоторые атрибуты нельзя исследовать отдельно, от поведения других.
Таблица 5 - Одна нейронная сеть против нескольких
Одна сеть для всех переменных |
По одной сети на переменную | |
Калибровка по шести параметрам |
80% |
92% |
Средн.-квадр. откл. (СКО) |
0.00043 |
0.0003 |
Эпох обучения |
2000 |
1500 |
Так, если "short term share" классифицируется как плоский, и "attitudinal share" тоже, однако последний движется едва заметно вверх и прочь от "short term share", то "attitudinal share" должен быть классифицирован как растущий.
Экспертная система. Экспертная система нами разрабатывалась по спиральной методологии, то есть от исходного прототипа через последовательные циклы накопления знаний, программирования и применения. Для накопления знаний использовался метод структурированных интервью, которые включают в себя двухнедельные встречи с экспертами. Архитектура разработанной системы показана на рисунке 3.
Рисунок 3 - Архитектура гибридной системы
Процесс консультаций предполагает, что пользователь указывает какой продукт и выборку данных он хочет проверить, а также начало и конец интервала проверки. Гибридная система получает данные из базы и применяет их к требуемому скользящему среднему.
Данные затем разбиваются на четырехнедельные интервалы. Восемь атрибутов предоставляются каждой из своих нейронных сетей. Символьное представление от нейронной сети, а также все прочие необходимые экспертной системе факты, такие, как доля голосового значения и состояние рекламы на интервале, добавляются в базу фактов. Затем вызывается механизм логического вывода и результат достигается методом обратного логического вывода.
Эксперимент и результаты. Наша задача в том, чтобы найти весомые события в больном объеме данных. Поэтому мы использовали понятие отклика и точности, т. е. стандартные меры качества поиска информации, чтобы оценить производительность системы. Формулы отклика и точности даны в (2) и (3).
(2)
(3)
Обычно, есть компромисс между откликом и точностью. Тестирование системы показало нам наиболее важные проблемы. Во-первых, нам нужно было сравнивать производительность системы с результатами анализа экспертов на больших объемах данных. Ведь простая выборка отрезков из всего интервала могла привести к потере некоторых редких или значимых событий. Во-вторых, определение реального числа значимых событий было достаточно затратным по времени процессом для экспертов.
В качестве компромисного решения между размером базы данных и высокой стоимостью подготовки эксперимента, мы сконструировали выборку, эквивалентную шести месяцам путем сращивания значимых событий в цельные блоки. Выборка эквивалента 104 четырех-недельным сегментам. Результат показан в таблице 6. Система обнаружила 25 из 29 значимых событий.
Таблица 6 - Значения отклика и точности в результатах нейросети и системы с регрессией
Отклик |
Точность | |
Гибридная система |
25/29 (86%) |
25/25 (100%) |
Система с линейной регрессией |
21/29 (72%) |
20/21 (95%) |
Мы сравнили производительность нашей системы с моделью, где вместо нейронной сети используется линейная регрессия.
Мы обнаружили, что крайне важно для нашей системы точно знать уровни переключения, отличающие одну ситуацию от другой.
Таблица 7 - Разработка регрессионной системы
FLAT |
SRISE |
BRISE |
Порог переключения |
0?m?10 |
10?m?20 |
20?m |
65% |
0?m?15 |
15?m?25 |
25?m |
75% |
0?m?17 |
17?m?27 |
27?m |
81% |
0?m?20 |
20?m?30 |
30?m |
70% |
0?m?25 |
25?m?45 |
45?m |
60% |
Для регрессионной системы, частично, обсуждаемое положение показано в таблице 7. Диапазоны получены путем интервью с экспертами. Наиболее эффективная позиция (третья) дает 81% результата, сопоставимый с системой с единственной нейросетью. Вторая строка таблицы 5 позволяет судить о значительном превосходстве гибридной системы над регрессионной.
Хотя мы и не можем утверждать о превосходстве гибридной системы над самой мощной регрессионной, мы должны отметить, что построение гибридной системы менее затратное по времени, так как не требует дополнительного накопления знаний экспертов об уровнях переключений, показанных в таблице 7.
Значения откликов показывают, что система в данный момент весьма строга в идентификации значимых событий. В таблице 8 приведено сравнение характеристик результирующих систем.
Таблица 8 - Сравнение характеристик результирующих систем
Нейро-экспертная система |
Регрессионно-экспертная система |
Сбор и классификация данных |
Сбор и классификация данных |
Обучение нейронной сетей |
Определение регрессионной прямой прототипа |
Поиск наилучших порогов переключения | |
Получение базы правил |
Получение базы правил |
Внедрение обученных нейронной сетей в поисковую машину |
Введение порогов переключений в экспертную систему |
Похожие статьи
-
В нашем анализе данных показателей рынков под "самородками" понимаются зависимости, отражающие степень эффективности рекламных кампаний. Эксперты часами...
-
Data mining рассматривается как процесс поиска "самородков" знаний в больших базах данных. На сегодняшний день не существует универсальной технологии...
-
Основной задачей проекта было выяснение эффективности гибридной нейро-экспертной системы для задачи обнаружения значимых событий в данных рыночных...
-
В данной главе описан способ прогнозирования с помощью НС, основанный на методе окон. Также приведен обзор применения НС в финансовой сфере. Общий подход...
-
Программное управление является приемлемым подходом во многих прикладных ситуациях. На этом принципе основаны, например, простые металлорежущие станки...
-
Среди различных конфигураций искусственных нейронных сетей встречаются такие, при классификации которых по принципу обучения, строго говоря, не подходят...
-
Выбор сечений проводов для варианта III - Районная электрическая сеть
Проведя расчеты как для первого варианта сведем результаты в таблицу 12. Таблица 12 - Данные по выбору проводов для варианта III № N L , км P Н, MBт Q Н,...
-
Руководитель проекта сообщает тему и цель проекта, знакомит с исполнителями проекта. Акцентирует внимание учащихся на том, что проект носит обучающий...
-
К моделированию теплообменника с псевдоожижаемой насадкой для систем аспирации стройиндустрии
К моделированию теплообменника с псевдоожижаемой насадкой для систем аспирации стройиндустрии Модернизация предприятий строительного комплекса на основе...
-
Выбор сечений проводов для варианта II - Районная электрическая сеть
Проведя расчеты как для первого варианта сведем результаты в таблицу 11. Таблица 11 - Данные по выбору проводов для варианта II № N L , км P Н, MBт Q Н,...
-
Выбор номинального напряжения для варианта I Номинальное напряжение можно предварительно определить по известной передаваемой мощность Р и длине линии L...
-
Проблема прогнозирования вероятности банкротства существует уже несколько десятков лет - все началось с работ Ramser, Foster (1931), Fitzpatrick (1932) и...
-
Применение нейронных сетей в финансовой сфере - Прогнозирующие системы
Характерный пример успешного применения нейронных вычислений в финансовой сфере - управление кредитными рисками. Как известно, до выдачи кредита банки...
-
Модели временных последовательностей, Критерии производительности - Прогнозирующие системы
Используемые для наших целей временные последовательности представляют собой последовательность наблюдений за интересующей переменной. Переменная...
-
Рис.2. Схема алгоритма моделируемой модели Обоснования выбранных систем проектирования В качестве программной среды моделирования решено использовать...
-
В состав системы эконометрических уравнений входят множество зависимых или эндогенных переменных и множество предопределенных переменных (лаговые и...
-
Заключение - Метод представления знаний в интеллектуальных системах поддержки экспертных решений
Метод обобщенных интервальных оценок, предложенный в настоящей статье, является новым методом представления экспертных знаний в задачах, исходные данные...
-
Основные понятия и определения проблемы прогнозирования - Прогнозирующие системы
Необходимо отметить, что мы рассматриваем прогнозирование в целях планирования производства или управления запасами. Таким образом, наш интерес лежит в...
-
Описание экспериментов - Прогнозирующие системы
Эксперимент 1 Описание исторических данных: Данные подаются на входы НС в виде временной последовательности ежедневных измерений фактического курса (в...
-
Прогнозирование курса Ukb/Usd, Общий подход к прогнозированию курса UKB/USD - Прогнозирующие системы
В данной главе описаны эксперименты по прогнозированию курса американского доллара по отношению к украинскому карбованцу (UKB/USD). Сначала описаны...
-
Реализация интеллектуальных систем поддержки решений (ИСППР) в задачах оценки перспективности объектов природопользования на ранних стадиях их...
-
Построение модели с помощью логистической регрессии Прежде чем строить логистическую регрессию, необходимо выбрать конечный набор финансовых и...
-
Основной целью исследования является сравнение предсказательной силы моделей, построенных на основе различных методов. В условиях несбалансированности...
-
Экономические и финансовые сети На протяжении долгих лет глобализация ведет к увеличению зависимости различных организаций друг от друга. Правительства,...
-
Любая последовательность взаимосвязанных событий и работ на сетевом графике называется путем. Полный путь, это путь от исходного до завершающего события....
-
Взаимосвязи случайных событий - Основы теории систем и системного анализа
Вернемся теперь к вопросу о случайных событиях. Здесь методически удобнее рассматривать вначале простые события (может произойти или не произойти)....
-
Для анализа был выбран временной диапазон с 2004 года по 2014 год. В целях построения прогнозной модели собранные годовые данные были разделены на две...
-
Пусть Dl, r() соответственно левые (правые) границы интервалов I, отвечающих на криволинейной трапеции ОИО значениям 0< < 1. Тогда интересующая нас...
-
- Нормальный режим: - Послеаварийный режим: 1. Рассмотрим отказ линии А-3 в кольце. Рассчитаем потоко-распределение при такой аварии. 2. Рассмотрим отказ...
-
В первоначальном выборе объясняющих переменных существует две стратегии. Часть авторов осуществляют подбор переменных, опираясь на собственные...
-
Методы прогнозирования - Прогнозирующие системы
Методы прогнозирования можно разделить на два класса квалитативные и квантитативные, в зависимости от того, какие математические методы используются....
-
В разделе 1 курсовой работы требуется: Определить количество закупаемого заданным филиалом фирмы сырья у каждого АО, (xj), максимизируя прибыль филиала....
-
Модель в общем смысле (обобщенная модель) есть создаваемый с целью получения и (или) хранения информации специфический объект (в форме мысленного образа,...
-
Электрический расчет - Районная электрическая сеть
Электрический расчет предлагается проводить для случая, когда известна максимальная нагрузка на шинах НН. Расчет режимов выполняется методом...
-
Основные результаты работы состоят в следующем: 1. Рассмотрены математические модели, лежащие в основе системы оптимизации доставки товаров...
-
Будем моделировать среднегодовую численность занятого населения с помощью показателей общей численности населения и миграционного прироста Среднегодовая...
-
В настоящее время нельзя назвать область человеческой деятельности, в которой в той или иной степени не использовались бы методы моделирования. Особенно...
-
Основные понятия теории экономико-математического моделирования Кибернетический подход к исследованию экономико-математических систем Обычно...
-
Система "Диспетчер" апробирована на реальных исходных данных двух регионов Нефтяной Компании "Юкос" (Липецкая и Воронежская области) и показала свою...
-
Элементы 4 и 8 в исходной схеме соединены последовательно. Заменяем их квазиэлементом С. В исходной схеме элементы 12 и 13 образуют параллельное...
Отдельная нейронная сеть для каждой переменной - Гибридная нейро-экспертная система для идентификации значимых событий на графиках временных рядов