Tytuł artykułu
Autorzy
Identyfikatory
Warianty tytułu
Języki publikacji
Abstrakty
Metody prognozowania wieloparametrycznego ciągle się rozwijają i modyfikują. Wykorzystanie neuronów do analizy zjawisk ekonomicznych, które trudno opisać deterministycznymi zależnościami i formułami, jest w dużej mierze uzasadnione. Takie powiązanie przyczyn i efektów procesów ekonomicznych z powodzeniem może zastąpić pracę ekspertów tym bardziej, że struktury neuronowe potrafią się same uczyć oraz są w stanie wyciągać wnioski na podstawie niepełnej informacji wejściowej. Scenariuszem w danym przypadku będzie sekwencja wartości wybranych parametrów ekonomicznych Si ={x1, x2,…., xn}, gdzie x1 - znaczenia parametrów lub wskaźników. Badania można rozbudować, poszukując najbardziej optymistycznego i najbardziej pesymistycznego scenariusza (Sopt, Spes). Jak w każdej prognozie, danymi wejściowymi będą informacje dotyczące bezpośrednio przeszłych doświadczeń.
Słowa kluczowe
Czasopismo
Rocznik
Tom
Strony
31--40
Opis fizyczny
Bibliogr. 5 poz., 10 rys.
Twórcy
autor
- Instytut Matematyki i Informatyki, Politechnika Częstochowska ul. Dąbrowskiego 73, 42-200 Częstochowa
autor
- Instytut Matematyki i Informatyki, Politechnika Częstochowska ul. Dąbrowskiego 73, 42-200 Częstochowa
autor
- Instytut Matematyki i Informatyki, Politechnika Częstochowska ul. Dąbrowskiego 73, 42-200 Częstochowa
Bibliografia
- [1] Tadeusiewicz R., Sieci neuronowe, Akademicka Oficyna Wydawnicza, Warszawa 1993.
- [2] Osowski S., Sieci neuronowe w ujęciu algorytmicznym, WNT, Warszawa 1996.
- [3] Skarbek W., Metody reprezentacji obrazów cyfrowych, Akademicka Oficyna Wydawnicza, Warszawa 1993.
- [4] Rutkowska D., Piliński M., Rutkowski L., Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, WN PWN, Warszawa 1997.
- [5] Hopfield J.J., Tank D.W., Neural Computation of Decisions in Optimization Problems, Biol. Cybernet., 52, 141-152.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-BPG4-0014-0032