Введение
1 Глава. Общие сведения
1.1 Перцептроны
1.1.1 Однослойный перцептрон
1.1.2 Многослойный перцептрон
1.2 Понятие экономического прогнозирования и его сущность
1.2 Прогнозирование с помощью нейронных сетей
11.3 Процесс обучения и методы предобработки данных в нейросетях.
2 Глава. Описание приложения
2.1 Возможности приложения
2.2 Запуск приложения
2.3 Описание работы приложения
2.3.1 Формулировка проблемы
2.3.2 Сбор информации
2.3.3 Обоснование выбора метода прогнозирования
2.3.4 Работа с приложением
2.3.5 Анализ показателей прогноза
3 Глава. Техническая реализация
4 Глава Эргономика
ЗАКЛЮЧЕНИЕ
Список использованных источников
Приложение 1
В настоящее время все больше возрастает необходимость в системах, которые способны не только выполнять однажды запрограммированную последовательность действий над заранее определенными данными, но и способны сами анализировать вновь поступающую информацию, находить в ней закономерности, производить прогнозирование и т.д.
В этой области приложений самым лучшим образом зарекомендовали себя так называемые нейронные сети - самообучающиеся системы, имитирующие деятельность человеческого мозга.
Целью данной дипломной работы является разработка приложения, построенного с применением нейросетевого подхода для решения задачи прогнозирования объема реализации продукции предприятия.
Для достижения поставленной цели необходимо решить ряд задач:
1. Дать основные понятия прогнозирования, понятие нейронных сетей, описать принципы их работы;
2. Охарактеризовать методы прогнозирования;
3. Получить прогноз объема продаваемых товаров.
Объектом изучения является инструмент нейронных сетей как особый
метод прогнозирования экономических показателей.
В ходе выполнения дипломного проекта была рассмотрена теория создания искусственных нейронных сетей, подробно исследованы алгоритмы обучения нейронной сети, ее строение. Исходя из полученных данных и поставленных задач, было реализовано приложение прогнозирования объема продаж на предприятии, основанной на теории нейронных сетей. Теоритически, приложение универсально и может быть использовано для решения разнообразных экономических прогнозов, например себестоимости товаров, прогнозирования котировки валют, вероятность возвращения долга в банковских структурах. При этом важно подать для обучения адекватную обучающую выборку, структуру которой необходимо тщательно выбрать. Результат прогноза в данной дипломной работе оказался значительно больше фактического значения, что говорит о необходимости более детального изучения аппарата нейронных сетей для решения задач прогнозирования и дальнейшей доработки приложения.
