经济管理应用及财务知识分析.ppt

人工神经网络及其经济管理应用 The Application of ANN to Economics Management 第一章 导 论 什么是人工神经网络（Artificial Neural Network） 人脑结构对ANN的启示 ANN 的特点 人工神经网络的发展历史 ANN在经济管理领域的应用 什么是Artificial Neural Network Neural networks are composed of simple elements operating in parallel. These elements are inspired by biological nervous systems. As in nature, the network function is determined largely by the connections between elements. We can train a neural network to perform a particular function by adjusting the values of the connections (weights) between elements. 模拟人脑，人工智能（AI）的基础之一。 人脑结构对ANN的启示 How human brain works? 人脑结构 人脑是由大量神经细胞组成的复杂网络。 神经细胞与神经传导 人脑功能的基础—神经网络 人脑功能 对人脑进行模拟的两条道路 黑箱方法－功能模拟－电子计算机 白箱方法－结构模拟－智能机器（ANN） 电子计算机（或称为Von Neumann 计算机）以逻辑代数为基本原理，模拟人的逻辑思维。 人工神经网络试图模拟人脑的结构从而得到类似于人脑的功能。 人脑与电脑 共同点：获取、传递、存储、处理、输出信息（知识）。 不同点： 电脑：程序性、串行工作方式、储用分离、易损（Robust）、精确性。 人脑：单元结构简单、整体结构复杂；并行处理；具有自主学习能力（环境可塑性）；联想功能；遗忘功能；复杂决策；高冗余、自我恢复；非线性特征明显。 ANN 的特点 ANN是AI（Artificial Intelligence）的一个分支。 致力于从结构上模仿人脑的功能。 分为软件模仿和硬件模仿。 1、采用大规模分布式结构，通过学习具有非线性输入输出影射能力。 2、通过学习存储知识，具有适应性、容错性及泛化能力（举一反三）。 ANN的基本工作原理 ANN的软件模拟—Matlab Toolbox ANN的发展历史 奠基时期 早在十九世纪初就已经有人关注人类神经活动的复制。 1943年McCullochPitts发表“神经活动中蕴涵的思想与逻辑活动”成为这一领域的奠基之作，其来源是神经生理学。 1946年ENIAC建成，1948年Wiener完成Cybernetics，开创了电子计算机的时代，从不同的方面做出了贡献。 1949年，Donald Hebb提出了著名的Hebb学习规则。 Hebb学习规则 “如果相互连接的两个神经元都兴奋，则二者的联系将加强”——“The Organization of Behavior” Hebb是一个心理学家，他的理论一开始并没有受到工程界的重视。（Why？） 但是稍后Rochester等人的研究证明，在引入控制论和信息论（Shannon）的相关约束后，Hebb规则是一贯而通用的，并构成了其他学习规则的基础。 ANN的发展历史 第一次研究热潮——1950‘s 1957年，Rosenblatt发明感知机和ADALine WidrowHoff 提出著名的最小均方（LMS）算法。 但出现了恶炒问题——人工大脑就要问世了！ 被发现无法解决一个简单的XOR问题。 遭到Minsky和Papert等人的全面否定。 沉默期：要命的XOR问题 XOR（0，0）＝0 XOR（1，1）＝0 XOR（0，1）＝1 XOR（1，0）＝1 复兴期：DARPA 1980年，Grossberg提出解决竞争学习问题的自适应共振理论。 1982年，Hopfield用能量函数构造了一种递归网络计算方法——BP网等常用ANN的直接基础。 物质基础： 传统计算机计算能力的飞速发展为他的对手ＡＮＮ提供了理想的平台。 先进制造工艺使得制造专属于ANN的硬件成为可能。 现实世界对复杂信号处理的强烈需求——美国国防部的DARPA——声纳探测系统。 当前ANN在经济管理领域的应用 复杂函数关系分析与逼近－－隐含数学模型 预测 决策支持系统（神经专家系统） 因素（模式）分类与识别 优化问题 知识工程 总之，我们把ANN当做一种方法。 第二章 ANN的基本原理 ANN表达的四个