В поисках знаний

из "Анализ финансовых данных "

Столь быстрый рост интенсивности использования Всемирной сети предоставляет широкие возможности для распространения информации. За последние три года число размещенных в сети Интернет страниц возросло с нескольких тысяч до миллионов. Однако вполне возможно, что количество страниц уже не может являться адекватным критерием оценки количества информации, циркулирующей во Всемирной сети. [c.15]
В процессе коллективной работы над книгой люди, никогда ранее не встречавшиеся и даже не знавшие друг друга, действовали как единая команда. Связующей нитью между ними был интерес к теме, подходу или методу (в данном случае, методу наилучшего визуального представления и редукции финансовых данных высокой размерности), личный опыт по применению этого метода и готовность поделиться своими знаниями. Такой общей заинтересованности у группы территориально удаленных профессионалов не существовало до того, как он был задуман редакторами этой книги в один прекрасный осенний уик-энд в Вирджинии. [c.16]
Таким образом, на заре двадцать первого века человечество получило практически неограниченный доступ к информации и значительно более широкие возможности для совместной деятельности, а также лучшей организации имеющихся и формирования новых знаний. [c.17]
К сожалению, лишь немногим организациям удается сделать это успешно. [c.17]
Эта книга не потребует от читателя особых познаний в области каких бы то ни было специализированных методов, включая методы количественного или статистического анализа. Напротив, в ней на простых примерах объясняется, каким образом информация может быть извлечена из имеющихся в распоряжении данных. Книга начинается с простого примера, посвященного выбору лучших сортов шотландского виски затем, в первой части, приводится множество других примеров применения усовершенствованных методов обобщения и визуального представления информации, и лишь после этого дается описание самих этих методов и соответствующего программного обеспечения. Во второй части обсуждаются наиболее удачные методики, используемые профессионалами для извлечения данных. [c.18]
Методы, описываемые в этой книге, относятся к общему классу нейросетевых моделей. Нейронные сети представляют собой совокупность математических методов, которые могут быть использованы для обработки сигналов, прогнозирования и кластеризации. Нейронные сети можно представить себе как нелинейные, многослойные и параллельные методы регрессии. Говоря проще, нейросетевое моделирование подобно проведению линии, плоскости или гиперплоскости через определенный набор информационных точек. Линию, плоскость или гиперплоскость можно с наилучшим приближением провести через любой набор данных и по выбору пользователя определить взаимосвязи, которые могут существовать между входами и выходами нейросети. Сеть можно также подстроить для представления многомерных данных в меньшей размерности. Существует два класса нейронных сетей сети, обучаемые с учителем и без учителя. [c.18]
Нейронные сети, обучаемые с учителем, представляют собой средства для извлечения из набора данных информации о взаимосвязях между входами и выходами нейросети. Эти взаимосвязи могут быть переведены в математические уравнения, которые можно использовать для прогнозирования рядов данных или выработки управленческих решений. Информация, получаемая на выходе сети, определяется пользователем. Сеть обучается устанавливать взаимоотношения между заданной исходной информацией и результатами в ходе адаптивного итерационного процесса. Сеть, которую однажды уже обучили таким образом, может быть использована для обработки данных, которые ей ранее никогда не предъявлялись либо не загружались в программу для обеспечения автоматизированной поддержки принятия решений. [c.18]
Нейронные сети, обучаемые без учителя, служат средством для классификации, организации и визуального представления больших объемов данных. [c.19]
В этой книге будет показано, каким образом можно обнаружить взаимосвязи в экономической информации, уменьшить риск и усовершенствовать управление портфелем активов. Наконец, в ней будет проиллюстрировано использование метода СОК для улучшения структуры и организации больших баз данных текстовых документов, а также для управления знаниями. [c.19]

Вернуться к основной статье