При наличии дополнительных знаний о характере задачи статистические данные могут оказаться предпочтительнее. При сравнительном анализе возможностей нейронных сетей и статистических методов надо быть достаточно осторожными, поскольку иногда весьма сложные нейросетевые подходы сопоставляются с простыми статистическими моделями или наоборот. Существует мнение, что одинаково мощные статистические и нейросетевые подходы дают результаты одинаковые по точности и по затратам. Тем не менее, примеры решения действительно важных прикладных задач могут дать представление о возможностях того или иного подхода. [c.203]
Выше уже отмечалось, что интеллектуальный анализ данных появился в результате симбиоза средств вычислительной техники, программных технологий и математических методов. В НАД используются как сравнительно новые подходы, такие как генетические алгоритмы, нейронные сети, нечеткие множества, так и вполне традиционные, имеющие длительную историю развития, такие как статистика, деревья и таблицы решений. Хотя между этими методами не всегда можно установить точный водораздел (так, генетические алгоритмы используют статистические оценки и правила вывода, то же можно сказать и о деревьях решений и нечеткой логике и т.д.), но все же границы между ними существуют. Этого нельзя сказать о границах использования различных методов в приложении. Анализ одной и той же ситуации может быть произведен различными методами и> что очень важно, результаты анализа, проведенные одним методом, могут сильно отличаться от результатов анализа той же ситуации, проведенного другим методом. Выбор метода всегда определяется специалистом. [c.274]
Ниже рассматриваются возможности применения методов искусственных нейронных сетей для оптимизации средств по обеспечения надежности в объединениях ЭЭС. Основой их применения является то обстоятельство, что состав генерирующего и сетевого оборудования ЭЭС на момент рассмотрения вопросов обеспечения надежности практически сформирован и определен. Это позволяет сформировать случайным образом множество сценариев его изменения, для этого множества провести все оценочные расчеты количественных и интегральных показателей надежности и на их основе настроить нейронную сеть. Ниже для гипотетической схемы ЭЭС приводится сравнительный анализ результатов оптимизации средств обеспечения надежности - резервов мощности ЭЭС и пропускных способностей МСС - с помощью уже достаточно апробированного программно-вычислительного комплекса (ПВК). В качестве проверенного практикой ПВК используются программа Орион , в свое время широко применяемая ЦЦУ ЕЭС России, АО НИИПТ и АО Севзапэнерго-сетьпроект [154]. [c.155]
Тихонов Э.Е. Сравнительный анализ радиально базисной нейронной сети и сети типа - многослойный персептрон на примере прогнозирования объема экспорта//Компьютерная техника и технологии Сб. трудов регион. НТК. Ставрополь СевКав ГТУ, 2003.-С. 184-186. [c.196]
Тихонов Э.Е. Сравнительный анализ традиционных методов прогнозирования с методами прогнозирования на нейронных сетях//Компьютерная техника и технологии Сб. трудов регион. НТК. Ставрополь СевКав ГТУ, 2003. - С.179-183. [c.196]
Смотреть главы в:
Методы прогнозирования в условиях рынка -> Сравнительный анализ нейронных сетей