Нейрокомпьютинг и его применения в экономике и бизнесе


Нелинейное сжатие информации - карты Кохонена - часть 2


Так, в нашем случае, суммарное расстояние от данных до ближайших к ним узлов топографической сетки

E_{NL}=\frac{\sum_\alpha(r^\alpha-r_0^\alpha)^2}{\sum_\alpha(r^\alpha-\mbox{\=r}^\alpha)^2}

составляет всего

E_{NL}=7.8%
(сравнительно с
E_L=47%
ошибки линейной аппроксимации).

Таким образом, можно с приемлемой точностью описать финансовое состояние российских банков используя всего лишь два обобщенных финансовых индикатора, а именно - две координаты на двумерной карте Кохонена. Каждый банк по состоянию своего баллансового отчета отображается конкретной ячейкой на карте. Ячейки с одинаковыми координатами содержат банки со сходным финансовым состоянием. Чем дальше на карте координаты банков, тем больше отличается друг от друга их финансовый портрет.

Пример содержимого ячейки Т9 карты Кохонена для российских банков (регистрационные номера и названия банков)

Рис. 10.7.  Пример содержимого ячейки Т9 карты Кохонена для российских банков (регистрационные номера и названия банков)

Так, например, рисунок 10.7 иллюстрирует содержимое конкретной ячейки на карте Кохонена российских банков, содержащей 20x20 ячеек (т.е. 400 нейронов).




Начало  Назад  Вперед