ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ДАННЫХ НА ОСНОВЕ НЕЙРОННЫХ СЕТЕЙ

Аннотация

В статье упоминается тик в течение определенного периода времени (года, месяца, дня, часа, минуты, секунды или определенного интервала проповеди. tick) рассматривается проблема сглаживания изменяющихся данных. Сформировано описание исторических скользящих средних для наблюдения повторяющихся особенностей (паттернов) по умолчанию, визуальных, данных. Учитывая, что скользящее среднее имеет несколько значений в течение определенного периода времени, решение принять его как сглаживающее значение будет довольно сложным. По этой же причине в сглаживании рассматривается проблема использования нейронных сетей для решения задачи односоставного значения, а также описываются особенности, преимущества. В статье, помимо рассмотрения того, как нейронные сети могут использоваться в интеллектуальной обработке данных и какие преимущества это дает, разработан алгоритм получения сглаженных данных из реальных данных с помощью простых скользящих средних, экспоненциальных скользящих средних, сплайнов и нейронных сетей. Как правило, фактические данные дают очень плохие графики для визуального наблюдения, в связи с чем для визуального наблюдения используется сглаженный график данных и изучаются такие вопросы, как выявление тенденций, графическое представление, сглаживание данных, прогнозирование, обнаружение аномалий, сезонный и циклический анализ, автоматизация анализа. Для визуального наблюдения были построены графики фактических и сглаженных данных вышеупомянутыми методами, и были сделаны следующие выводы: графики фактических и сглаженных данных не совпадают; графики, сглаженные различными методами, не совпадают; визуально можно заметить, что график, сглаженный нейронной сетью, лучше воспроизводит график фактических данных. Глядя на графики, можно увидеть, что EMA реагирует на изменения быстрее, чем SMA, и есть все основания полагать, что сплайны и нейронные сети могут давать более гибкие интерпретации тенденций. Кроме того, статья позволяет решить задачу поиска дубликатов данных с помощью компьютерного моделирования.