Программные продукты и системы

Проблема прогнозирования будущих значений характеристик сложной системы по-прежнему актуальна. Большой научный интерес представляют формализованные задачи прогнозирования временных рядов различной природы: характеристики окружающей среды, протекание экономических процессов, погода по результатам соответствующих атмосферных измерений, выведение новых видов растений и животных, определение возможностей индивидуумов в определенных областях с помощью соответствующей системы контрольных тестов. Особое значение прогнозирование имеет в таких областях, как финансы, экономика и коммерция: прогнозирование экономических показателей, динамики цен на тот или иной продукт, курса акций.

Наряду с традиционными методами прогнозирования временных рядов бурно развивается теория искусственных нейронных сетей (ИНС), которая хорошо зарекомендовала себя в области управления, там, где раньше был необходим человеческий интеллект, в частности, при решении задач прогнозирования. Научное направление, связанное с прогнозированием временных рядов, появилось на стыке таких наук, как нейробиология, математика, информатика. Интерес к нейронным сетям был вызван и теоретическими, и прикладными достижениями в этой области. Нейронные сети неожиданно открыли возможности использования вычислений в сферах, до появления прикладных достижений в этом научном направлении относящихся лишь к области человеческого интеллекта, возможности построения систем, способность которых учиться и запоминать отчасти моделирует мыслительные процессы человека.

Искусственные нейронные сети состоят из элементов, функциональные возможности которых аналогичны большинству элементарных функций биологического нейрона. В биологических системах типичный нейрон собирает сигналы от других через множество тонких структур, называемых дендритами. Нейрон посылает пики электрической активности через длинную тонкую стенку, известную как аксон, которая расходится на тысячи ветвей. На конце каждой такой ветви структура, называемая синапсом, преобразует активность от аксона в электрические эффекты нейрона, а те, в свою очередь, ингибируют или возбуждают активность от аксона до электрических эффектов, ингибирующих или возбуждающих активность в связанных нейронах. Обучение происходит путем изменения действия синапсов, так что, влияние сигнала от одного нейрона на другие изменяется.

Подробное описание дается в статье «Интеллектуальный подход к задаче информирования и краткосрочного прогнозирования временного ряда в онлайн-режиме», авторы Тормозов В.С., Золкин А.Л., Менциев А.У. (Тихоокеанский государственный университет, г. Хабаровск, а также Поволжский государственный университет телекоммуникаций и информатики, г. Самара и Чеченский государственный университет, г. Грозный).