Аннотация: рассматривается нейросетевая архитектура, обучение в которой происходит не с целью минимизации единого критерия качества, а с разбиением выборки данных на подмножества, для каждого из которых происходит обучение с целью минимизации своего критерия. Рассматривается применение сети к анализу и прогнозированию валютных пар EUR/GBP, EUR/USD, USD/CHF, USD/JPY.

Ключевые слова: нечёткая логика, вывод Такаги-Сугено, обучение нейронных сетей, кластеризация, прогноз значений валютных пар.

ACM Classification Keywords: G.1.0 Mathematics of Computing – NUMERICAL ANALYSIS – General – Error analysis; G.1.2 Mathematics of Computing – NUMERICAL ANALYSIS – Approximation – Least squares approximation; G.1.6 Mathematics of Computing – NUMERICAL ANALYSIS – Optimization - Gradient methods, Least squares methods; I.2.3 Computing Methodologies - ARTIFICIAL INTELLIGENCE - Deduction and Theorem Proving - Uncertainty, “fuzzy”, and probabilistic reasoning; I.2.6 Computing Methodologies - ARTIFICIAL INTELLIGENCE – Learning - Connectionism and neural nets; I.5.3 - Computing Methodologies - PATTERN RECOGNITION - Clustering.

Link:

НЕЙРОСЕТЕВАЯ АРХИТЕКТУРА НА ЧАСТИЧНЫХ ОБУЧЕНИЯХ

Николай Мурга

http://foibg.com/ibs_isc/ibs-16/ibs-16-p19.pdf