Генетический прогноз

Чрезвычайно важной является проблема выбора конкретных методов прогнозирования регионального развития. В настоящее время различают два вида прогнозов поисковый (генетический) прогноз, как предсказание об объекте прогнозирования на основе неизменяемости сложившихся в прошлом тенденций и нормативный (целевой) прогноз, как предсказание поведения исследуемого объекта на основе заданных целей, критериев, норм и нормативов. В соответствии с содержанием видов прогнозов их классифицируют как пассивный и активный.  [c.114]


Блок темперамента, связанный с генетически заданными показателями нервно-психических процессов (интенсивностью, скоростью, темпом, ритмом, выносливостью), является фундаментом, на котором надстраиваются другие блоки. Над ним расположен блок высших психических функций — сложных системных психических процессов, формирующихся в процессе социализации личности. В него входят память, внимание, восприятие, мышление. Далее идет блок характера, связанный с приобретенным опытом и закрепленными в ходе социализации личности устойчивыми формами поведения и межличностного взаимодействия. На самом верху оказывается блок направленности личности. Иногда его называют мотивационно-ценностным. С точки зрения прогноза профессиональной успешности наибольшей информационной значимостью обладают верхние блоки направленность личности, характер, высшие психические функции.  [c.405]

Разрыв между намеченной целью развития и уровнем, полученным при использовании генетического подхода, подлежит заполнению, т. е. разработке различных вариантов. Разработка программы по заполнению разрыва является наиболее ответственной частью работы по составлению прогноза (изыскание резервов и перераспределение ресурсовсредний предел развития).  [c.217]


Генетические алгоритмы. Первоначально генетические алгоритмы разрабатывались и успешно применялись для решения комбинаторных задач, а также задач поиска оптимальных вариантов. Суть метода основана на выборе наилучших решений по ранее формализованным критериям. При этом процесс оптимизации напоминает естественную эволюцию отбор лучших решений (сильнейших), скрещивание и мутации. Несмотря на внешнюю привлекательность данного метода, у него есть ряд существенных недостатков. В качестве примера можно отметить сложность формализации критериев отбора. Кроме того, методика в целом оптимизирована на классе задач, существенно отличающихся от прогноза оперативно меняющихся финансовых показателей.  [c.123]

Поисковые прогнозы прежде называли исследовательскими, изыскательскими, трендовыми, генетическими и т.п. Они строятся на определенной шкале (поле, спектре) возможностей, на которой затем устанавливается степень вероятности прогнозируемого явления.  [c.227]

На первый взгляд целевой и генетический подходы кажутся взаимоисключающими вследствие их противоположной направленности. Но это не так. Они дополняют друг друга исследуя будущее, мы всегда предполагаем какую-то цель, а задаваясь определенной целью, мы в общих чертах предусматриваем способы ее осуществления, исходя из сложившихся в прошлом и настоящем тенденций. А это делает невозможным использование на практике только генетического либо чисто нормативного подхода. Если выдвигаемая цель никак не связана со складывающимися тенденциями, то не могут быть обоснованы и пути ее достижения, а в этом случае прогноз теряет всякие научные основания. И наоборот, если предвидение отражает лишь сложившиеся тенденции, то исчезает возможность оценить перспективы их развития и необоснованно игнорируется возможность управления ими. Но соотношение между генетическим и нормативным подходами может изменяться в пользу одного и другого. Это зависит от периода и специфики объекта прогнозирования. При прогнозировании с длительным периодом упреждения расширяется сфера применения нормативного подхода, так как связь между перспективой развития и сложившимися тенденциями ослабевает. При небольших периодах упреждения чаще используются генетические подходы.  [c.133]


Н.Д. Кондратьев придерживался генетического подхода к предвидению, считал необходимым опираться на всестороннее исследование закономерностей и тенденций движения в прошлом и возможное направление изменений в будущем, в отличие от широко распространенного телеологического подхода, который ориентируется на априорно заданные цели и прогнозирует возможные пути их достижения. Генетический подход предполагает, во-первых, разработку прогнозов социально-экономического развития учеными разных специальностей, глубоко и всесторонне изучившими объект прогнозирования и окружающую его среду во-вторых, достаточную научную подготовку управленческих кадров (госслужащих, предпринимателей, политических деятелей и т.д.), их способность с достаточным уважением отнестись  [c.728]

Нейронные сети хорошо себя зарекомендовали как прогностический инструмент для получения сигналов входа. В пределах выборки прибыль была невероятной, вне пределов выборки — гораздо выше прибыли случайных входов (хотя торговля портфелем в целом была убыточной). Таким образом, была продемонстрирована реальная прогностическая ценность. Использование подобных прогнозов для того, чтобы закрывать позиции до разворота рынка, должно повысить эффективность торговли, даже если это коснется весьма небольшого количества сделок. То же самое относится и к правилам, полученным генетическими методами. При этом не следует ожидать чудесного роста эффективности, поскольку в любом случае система будет генерировать немного дополнительных сигналов выхода, которые будут влиять на считанные сделки, возможно, в положительную сторону. Таким образом, общее улучшение будет невелико. Поскольку для нижеприведенных тестов правила разрабатываются заново, то, возможно, будет обнаружено больше случаев эффективного применения сигналов выхода, чем было обнаружено для сигналов входа.  [c.362]

Для преодоления перечисленных проблем делаются попытки применения таких разделов современной фундаментальной и вычислительной математики, как нейрокомпьютеры, теория стохастического моделирования (теория хаоса), теория рисков, теория катастроф, синергетика и теория самоорганизующихся систем (включая генетические алгоритмы) [123, 134]. Считается, что эти методы позволят увеличить глубину прогноза за счет выявления скрытых закономерностей и взаимосвязей среди плохо формализуемых обычными методами макроэкономических, политических и глобальных финансовых показателей.  [c.7]

Какие особи мужского пола генетически наиболее ценны 2) В чем проявляется относительная избыточность особей мужского пола 3) Объясните эволюционную целесообразность структуры отраслевой занятости мужчин и женщин. 4) Разработайте прогноз динамики личных достоинств и недостатков на предстоящую жизнь 5) Каким образом экономическая ситуация в обществе может определять главенство в семье 1) Если кавалер при ухаживании инвестирует в даму, обязана ли она ему 2) Проанализируйте обстановку в женском коллективе и обстоятельства семейной жизни, влияющие на поведение сотрудниц. 3) Почему ваши родители выбрали друг друга 4) Проанализируйте семейные истории ваших знакомых удачливых бизнесменов. 5) Определите свой ранг.  [c.9]

ПОИСКОВЫЙ ПРОГНОЗ [exploratory, exploration fore ast] (то же генетический прогноз, изыскательский прогноз) — прогноз, показывающий, к каким состояниям придет прогнозируемый объект в заданное время при определенных начальных условиях. Он может быть как пассивным, так и активным прогнозом.  [c.267]

Позднее Н.Д. Кондратьев приходит к выводу, что сочетание статического и динамического подходов в анализе и прогнозе конъюнктуры недостаточно нужно дополнить их генетическим подходом. "Современная методология экономической науки, — пишет он в 1931 г., — вьщсляст п стремится констатировать лишь понятия экономической статики и динамики, не зная экономической генетики" (6. С 275). Он намеревался завершить цикл своих работ книгой по синтетической теории социально-экономической генетики или развития (Там же. С. 554) К сожалению, он не смог реализовать этот план.  [c.726]

Прогнозирование с использованием теории генетических алгоритмов. Впервые идея использования генетических алгоритмов для обучения (ma hine learning) была предложена в 1970-е годы [241, 245, 244, 246]. Во второй половине 1980-х к этой идее вернулись в связи с обучением нейронных сетей. Они позволяют решать задачи прогнозирования (в последнее время наиболее широко генетические алгоритмы обучения используются для банковских прогнозов), классификации, поиска оптимальных вариантов, и совершенно незаменимы в тех случаях, когда в обычных условиях решение задачи основано на интуиции или опыте, а не на строгом (в ма-  [c.66]

Экономико-математический словарь Изд.5 (2003) -- [ c.60 , c.282 ]