神经网的原理及在金融中的应用.ppt

《神经网的原理及在金融中的应用.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、人工神经网络的金融应用——原理及应用人工神经网络方法人工神经网络背景介绍人工神经网络原理金融应用领域神经网络的实证分析人工神经网络背景介绍对人的脑神经的抽象模拟人工神经网络的发展史人工神经网络应用领域1从模拟人的脑神经出发人类大脑分为两个半球（左半球-左脑；右半球-右脑）,左脑支配人体的右侧,右脑支配人体的左侧,左右脑具有不同的功能。左半球倾向于按顺序处理信息，右半球却习惯同时处理信息。基于逻辑思维，如电子计算机就是模拟人脑逻辑思维的人工智能系统.现行计算机运算速度是人脑神经元速度的几百万倍计算机在解决与形象思维和灵感思维相关的问题时，却显得无能为力。人工神经网络则是探索人的形象思维，即

2、针对右脑的认知规律的研究产物。人工智能工程人类左脑功能人脑与“电脑”的信息处理能力差距：记忆与联想能力方面:人脑具有非凡的创造能力。良好的学习和认知能力（刚生婴儿大脑几乎空白，但是在成长中通过对外界环境的感知及意识，知识和经验与日俱增）。信息综合能力方面：人脑善于知识归纳，类比和概括，也可以是经验地、模糊地甚至是直觉地做出判断等。信息处理速度方面：人脑中的信息处理是以神经细胞为单位，而神经细胞的传递速度只能达毫秒级，比计算机电子元件纳秒级的计算速度慢得多。实际上数值处理方面确实如此。但在图形声音等类信息的处理方面则不同。如几个月婴儿从人群中一眼认出母亲，而计算机解决此类问题则需要一幅具有

3、几百万个像素的逐点处理，并提取脸谱特征进行识别，等等。人脑与电脑的信息处理机制不同人脑中的神经网络是一种高度并行的非线性信息处理系统，虽然单个神经信息处理速度为毫秒级，但大规模神经细胞（人脑有约1.4×10１１个）的群体协同并行处理方式是高效的．而计算机采用的是有限集中的串行信息处理机制（基于冯．诺依曼工作原理VonNeumann）。即存储器与处理器相互独立，处理信息必须是形式化信息（用二进制定义）。神经元形成神经网络每个神经元有数以千计的通道同其他神经元互连，形成复杂的生物神经网络。生物神经网络以神经元为基本信息处理单元，对信息进行分布式存储与加工。这处信息加工与存储相结合的群体协同工

4、作方式使得人脑呈现出神奇智能。为了模拟人脑形象思维方式，人们从模拟人脑生物神经网络的信息存储加工处理机制入手，设计具有人类思维特点的智能机器，无疑是最有希望的途经之一。ANN定义：ANN是以数学和物理方法以及信息处理的角度对人脑神经网络进行抽象，并建立某种简化模型。ANN是生物学上的真实人脑神经网络的结构以及若干基本特性的某种理论抽象，简化模拟而构成的一种信息处理系统。ANN是采用物理可实现的系统来模仿人脑神经细胞和结构和功能的系统。应该明确:ANN远不是人脑生物神经网络的真实写照，而只是对它的简化，抽象与模拟。目前已提出上百种ANN模型，这些简化模型的确能反映出人脑的许多基本特征。它们

5、在模式识别、系统辨识、信号处理、自动控制、组合优化、预测估计、故障诊断、医学与经济学等许多领域已成功地解决了许多用计算机等方法难解决的实际问题，表现出良好的智能特征和潜在的应用前景。人工神经网络应用系统的研究，需要硬件制作技术的新突破，以便制作出ANN设备，据报道神经网络计算机已取得令人瞩目的进展。ANN的研究内容极具丰富，涉及的面宽而又有相当深的理论有待进一步研究（涉及多学科知识）。研究内容大体上有基本理论、模型、算法、应用和实现等五大方面，每方面都有很多问题尚未解决或完善解决，尚需用各种方法从各方面开展对ANN进行更深入研究。2.人工神经网络发展简史早期低潮期复兴时期新时期2.人工神

6、经网络发展简史早期（启蒙时期）1943年,美国心理学家W.S.MeCuLLoch和数学家W.H.Pitts合作,在分析总结神经元基本特性的基础上，提出神经元数学模型，简称MP模型。从脑科学研究来看，MP模型是第一个用数理语言描述人脑的信息处理过程的模型。后来此模型又有发展，至今沿用——人工神经网络之先驱。1957年,F.Rosenblatt设计制作了“感知机”（Perceptron），是一种三层神经网络。用于文字、声音识别、声纳信号识别，及学习记忆问题研究。1962年,Widrow和Hoff等提出了自适应线性元件网络，简称Adline（AdaptiveLinearelemlnt），用硬件

7、电路实现设计，用于自适应信号处理，雷达无线控制等方面。低潮期：20世纪60年代末人们对感知机兴趣开始衰落，即线性感知机功能有限，只能进行线性分类和求解一阶谓词问题，不能进行非线性分类和解决比较复杂的高阶谓词问题（如异或（XOR）等）。学术界有地位和影响力的人的悲观论调典型代表人物：Minsky和Papert（美麻省理工学院著名人工智能学者）（作了大量数学研究，在当时技术条件下，他们在多层网络的有效学习方法上遇到了极大困难），很多领域