В этой книге, основанной на курсе лекций, прочитанном авторами в Финансово-Аналитическом Колледже МИФИ, мы знакомим читателя с основами нейросетевой обработки данных и примерами типовых применений, преимущественно в области финансов и бизнеса.
Наш опыт свидетельствует, что главным препятствием к широкому практическому применению нейрокомпьютинга служит недостаточное понимание его основ. Эта книга писалась с целью восполнить этот пробел.

Поэтому основное внимание здесь уделяется описанию принципов нейросетевой обработки данных, их потенциальных возможностей и преимуществ, а также подробному разбору нескольких конкретных применений. Упор делается на концептуальной стороне дела, а не на описании конкретных алгоритмов. Предполагается, что в случае необходимости читатель сможет воспользоваться одним из многочисленных коммерческих нейро-эмуляторов, а не возьмется программировать нейросети "с нуля" на C++. Главная задача книги - научить читателя "видеть" нейросетевые постановки задач в его повседневной работе, помочь ему автоматизировать рутинную обработку сложной многофакторной информации с помощью современного математического аппарата - искусственных нейронных сетей.

Хотя мы старались избегать математических выкладок и, по возможности, упростить изложение, хотелось бы заранее предупредить, что материал этой книги рассчитан на достаточно подготовленного читателя - как минимум студента старших курсов. Наш "идеальный" читатель -студент, научный работник, финансовый аналитик, консультант, брокер или просто бизнесмен, желающий повысить эффективность своего бизнеса путем более вдумчивой работы с доступной ему информацией.

Что же это такое - естественные нейронные сети? Какое отношение имеют искусственные нейросети к естественным? Чем отличается нейрокомпьютинг от обычных методов компьютерного моделирования? Каковы его "экологические ниши" в мире информационных технологий и перспективы на будущее? Этим вопросам и будет посвящена данная, вводная, глава нашей книги.

Для начала попробуем описать особенности обработки информации мозгом. Посмотрим, что из того, на что способен мозг, еще по большей части недоступно современным системам обработки информации.

Мозг построен из клеток двух типов: глиальных и нейронов. И хотя роль глии в его работе, видимо, довольно значительна, большинство исследователей полагает, что в основном понимание работы мозга может быть достигнуто при изучении нейронов, объединенных в единую связанную сеть. Эта парадигма и используется при построении, изучении и применении искусственных нейронных сетей, которым посвящена эта книга.

В дополнение к эволюционному разделению частей мозга, о котором мы говорили выше, в нервной системе явно различаются три типа нейронных структур: сенсорные, внутренние и эффекторные. Первые связывают наш мозг с внешним миром и обеспечивают поступление в него зрительной, слуховой, вкусовой, обонятельной и осязательной информации. Есть у нас и шестое чувство - чувство равновесия, за которое отвечает вестибулярный аппарат. Его особенность заключается в том, что он не вынесен наружу.

Эффекторные нейроны управляют мышцами, внутренними органами, стенками сосудов и пр. Мозг таким образом контролирует работу сердца, дыхание, кровяное давление, температуру, поддерживает нужное содержание кислорода в крови, осуществляет гормональную регуляцию и пр. Промежуточные нейроны обрабатывают информацию, получаемую от сенсорных и передаваемую зффекторным нейронам.

Существующие компьютерные системы позволяют вводить в них изображения, звуковую и другие виды информации. Однако, в отличие от компьютера, снабженного сканером, гелекамерой и микрофоном, мозг обладает вниманием, свойством, которое позволяет ему сосредотачиваться на важной в данный момент информации и игнорировать несущественную. Эффективные системы предобработки сенсорной информации, вырабатываемые в течение жизни путем обучения, позволяют мозгу эффективно распознавать сенсорные образы -способность, пока мало освоенная современными компьютерами.