Вибір оптимальної топології нейронної мережі в задачах класифікації динамічних економічних систем
Loading...
Date
2017
Journal Title
Journal ISSN
Volume Title
Publisher
ДВНЗ «Київський національний економічний університет імені Вадима Гетьмана»
Abstract
Стаття висвітлює головні ускладнення в процесі побудови та застосування нейронних мереж, які пов’язані, перш за все, з підбором оптимальної внутрішньої структури, а для мереж типу карти Кохонена – кількості нейронів у прихованому шарі. Показано, що
процес оптимізації нейронних мереж полягає в ітераційному знаходженні деяких параметрів, що забезпечують екстремум функції якості, яка, як правило, не має властивості неперервності та гладкості. Тому істотним недоліком такого підходу є неможливість забезпечення гарантій оптимальності застосовуваних методів і алгоритмів.
Відповідно, у статті розроблено покроковий алгоритм конструювання карт Кохонена, призначених для вирішення задачі класифікації динамічних економічних систем відповідно до обраного критерію. У роботі вперше запропоновано використання рангового коефіцієнта конкордації в якості критерію оптимальності для побудови нейронної мережі-класифікатора, який характеризує ступінь узгодженості у наборі вхідних змінних. Експериментально протестовано покроковий алгоритм побудови карти Кохонена, котра має оптимальну топологію за обраним критерієм і розбиває вихідну вибірку на шість груп. Відповідно до значень коефіцієнта конкордації реакція ключових макроекономічних індикаторів усередині отриманих кластерів характеризується високим рівнем подібності.
The article is dedicated to solve the main disadvantage, which arise in the process of constructing and applying neural networks and associated primarily with the selection of optimal internal structure, and for the Kohonen maps – with the number of neurons in the hidden layer. It is shown that the process of optimization of neural networks consists in iterative finding of some parameters that provide an extremum of the quality function, which, as a rule, does not have the property of continuity and smoothness. Therefore, a significant drawback of this approach is the inability to ensure the guarantees of the optimality of applied methods and algorithms. Accordingly, in the article a step-by-step algorithm for constructing Kohonen maps is developed, which intended to solve the problem of classifying dynamic economic systems in accordance with the chosen criterion. For the first time, it was proposed to use the rank coefficient of concordance as an optimality criterion for constructing a neural network-classifier that characterizes the degree of coherence in a set of input variables. It was experimentally tested step-by-step algorithm for constructing the Kohonen map, which has the optimal topology according to the chosen criterion and splits the original sample into six groups. In accordance with the values of the concordance coefficient, the reaction of key macroeconomic indicators within the obtained clusters is characterized by a high level of similarity.
Статья посвящена решению проблем, возникающих в процессе построения и применения нейронных сетей, которые связаны, прежде всего, с подбором их оптимальной внутренней структуры, а для сетей типа карты Кохонена – количества нейронов в скрытом слое. Показано, что процесс оптимизации нейронных сетей заключается в итерационном определении некоторых параметров, обеспечивающих экстремум функции качества, которая, как правило, не имеет свойства непрерывности и гладкости. Поэтому существенным недостатком такого подхода является невозможность обеспечения гарантий оптимальности применяемых методов и алгоритмов. Соответственно, в статье разработан пошаговый алгоритм конструирования карт Кохонена, предназначенных для решения задачи классификации динамических экономических систем в соответствии с выбранным критерием. В работе впервые предложено использование рангового коэффициента конкордации в качестве критерия оптимальности при построении ней- ронной сети-классификатора, который характеризует степень согласованности в наборе входных переменных. Экспериментально протестирован пошаговый алгоритм оптимизации топологии карты Кохонена согласно выбранному критерию, разбивающий в результате исходную выборку на шесть групп. В соответствии со значениями коэффициента конкордации реакция ключевых макроэкономических индикаторов внутри полученных кластеров характеризуется высоким уровнем сходства.
The article is dedicated to solve the main disadvantage, which arise in the process of constructing and applying neural networks and associated primarily with the selection of optimal internal structure, and for the Kohonen maps – with the number of neurons in the hidden layer. It is shown that the process of optimization of neural networks consists in iterative finding of some parameters that provide an extremum of the quality function, which, as a rule, does not have the property of continuity and smoothness. Therefore, a significant drawback of this approach is the inability to ensure the guarantees of the optimality of applied methods and algorithms. Accordingly, in the article a step-by-step algorithm for constructing Kohonen maps is developed, which intended to solve the problem of classifying dynamic economic systems in accordance with the chosen criterion. For the first time, it was proposed to use the rank coefficient of concordance as an optimality criterion for constructing a neural network-classifier that characterizes the degree of coherence in a set of input variables. It was experimentally tested step-by-step algorithm for constructing the Kohonen map, which has the optimal topology according to the chosen criterion and splits the original sample into six groups. In accordance with the values of the concordance coefficient, the reaction of key macroeconomic indicators within the obtained clusters is characterized by a high level of similarity.
Статья посвящена решению проблем, возникающих в процессе построения и применения нейронных сетей, которые связаны, прежде всего, с подбором их оптимальной внутренней структуры, а для сетей типа карты Кохонена – количества нейронов в скрытом слое. Показано, что процесс оптимизации нейронных сетей заключается в итерационном определении некоторых параметров, обеспечивающих экстремум функции качества, которая, как правило, не имеет свойства непрерывности и гладкости. Поэтому существенным недостатком такого подхода является невозможность обеспечения гарантий оптимальности применяемых методов и алгоритмов. Соответственно, в статье разработан пошаговый алгоритм конструирования карт Кохонена, предназначенных для решения задачи классификации динамических экономических систем в соответствии с выбранным критерием. В работе впервые предложено использование рангового коэффициента конкордации в качестве критерия оптимальности при построении ней- ронной сети-классификатора, который характеризует степень согласованности в наборе входных переменных. Экспериментально протестирован пошаговый алгоритм оптимизации топологии карты Кохонена согласно выбранному критерию, разбивающий в результате исходную выборку на шесть групп. В соответствии со значениями коэффициента конкордации реакция ключевых макроэкономических индикаторов внутри полученных кластеров характеризуется высоким уровнем сходства.
Description
Keywords
Динамічна економічна система, фінансова криза, макроекономічний індикатор, класифікація, ранговий коефіцієнт конкордації, нейронна мережа, карта Кохонена, Dynamic economic system, financial crisis, macroeconomic indicator, classification, ranking coefficient of concordance, neural network, Kohonen map, Динамическая экономическая система, финансовый кризис, макроэкономический индикатор, классификация, ранговый коэффициент конкордации, нейронная сеть, карта Кохонена
Citation
Стрельченко І. І. Вибір оптимальної топології нейронної мережі в задачах класифікації динамічних економічних систем / І. І. Стрельченко // Нейро-нечіткі технології моделювання в економіці : наук.-анал. журн. / М-во освіти і науки України, ДВНЗ «Київ. нац. екон. ун-т ім. Вадима Гетьмана» ; редкол.: А. В. Матвійчук (голов. ред.) [та ін.]. – Київ : КНЕУ, 2017. – № 6. – С. 142–157.