Основное место на рынке услуг, оказываемых потребителю интеллектуальными технологиями, сейчас занимают финансовые приложения. Объясняется это тем, что нейросети эффективно справляются с задачами классификации, моделирования и прогнозирования, что особенно важно при решении финансово-экономических проблем.
В финансовом мире нейронные сети широко применяются для двух основных задач — прогнозирования котировок основных инструментов (курсов валют, ценных бумаг и др.) и распознавания определенных ситуаций (например, подозрительных операций с кредитной картой).
Сфера финансовых приложений нейронных сетей практически безгранична. Любая задача, связанная с манипулированием финансовыми инструментами — будь то валюта или ценные бумаги, — сопряжена с риском и требует тщательного расчета и прогнозирования. Как изменится завтра котировка основных валют? Вернет ли кредит внешне благополучная фирма? Как подобрать прибыльный и вместе с тем надежный «портфель инвестора»? Эти и сотни других вопросов приходится ежедневно решать аналитическим отделам финансовых (да и не только финансовых) компаний, привлекая все виды аналитических инструментов. Поэтому не случайно, что четвертую часть рынка нейросетевых продуктов составляют финансовые приложения.
|
|
В России наиболее известными приложениями нейросетевых информационных технологий можно признать следующие:
распознавание финансовых потоков,
прогнозирование котировок фьючерсов;
краткосрочная динамика курсов валют;
прогноз оптовых цен на продукты питания;
оценка кредитных рисков;
оценка объектов недвижимости;
ряд задач медицинской и промышленной диагностики;
прогноз развития чрезвычайных ситуаций;
авторизация доступа по индивидуальному «почерку» работы за клавиатурой компьютера
распознавание лиц, голосов, отпечатков пальцев;
в нефтяной и химической промышленности: анализ геологической информации; разведка залежей минералов по данным аэрофотосъемок; идентификация неисправностей оборудования;
в военной промышленности и аэронавтике: обработка звуковых сигналов (разделение, идентификация, локализация, устранение шума, интерпретация); обработка радарных сигналов (распознавание целей, идентификация и локализация источников); обработка инфракрасных сигналов (локализация); обобщение информации; автоматическое пилотирование;
классификация состояний сложных систем,
распознавание технологических процессов,
решение аналитических, исследовательских, производственных задач, связанных с объемными информационными потоками.
построение высокодоходного футбольного тотализатора.
Представленный перечень далеко не полный.