Full-text resources of CEJSH and other databases are now available in the new Library of Science.
Visit https://bibliotekanauki.pl

Results found: 11

first rewind previous Page / 1 next fast forward last

Search results

Search:
in the keywords:  Sieci neuronowe
help Sort By:

help Limit search:
first rewind previous Page / 1 next fast forward last
1

Sieci neuronowe w analizach statystycznych

100%
Laskowski W.
Wiadomości Statystyczne. The Polish Statistician
|
2000
|
issue nr 7
1-14
XX
Przedstawiam w artykule dwa przykłady zastosowania sieci neuronowych w analizach indywidualnych wyników badań budżetów gospodarstw domowych za 1998 r., prowadzonych przez GUS. Zastosowano sieci neuronowe do wykonania dwóch zadań klasyfikacyjnych, a mianowicie do podziału gospodarstw domowych ze względu na zaawansowanie rozwojowe rodziny oraz do klasyfikacji ogółu uczestniczących w badaniu rodzin bez założeń wstępnych co do liczby grup, ich liczebności i tego, że mają reprezentować którąś cechę. (fragment tekstu)
2

Sztuczne sieci neuronowe w statystyce

100%
Lasek M.
Wiadomości Statystyczne. The Polish Statistician
|
2007
|
issue nr 8
74-88
XX
W artykule, poświęconym zagadnieniom eksploracji danych Data Mining opisano podstawy budowy i działania sztucznych sieci neuronowych. Przedmiotem uwagi były zarówno sieci wielowarstwowe, jak i sieci Kohonena. Przedstawiono działanie pojedynczego neuronu sieci oraz całej sieci, złożonej z wielu neuronów. Omówiono różne metody uczenia, zwane także trenowaniem sieci: uczenie z nauczycielem i bez nauczyciela. Szczególną uwagę poświęcono praktycznym aspektom stosowania sztucznych sieci neuronowych, w tym warunkom, jakie powinny zostać spełnione, aby sieć mogła dawać wiarygodne wyniki w praktycznych zastosowaniach: przewidywaniach, prognozach, grupowaniu. W artykule pokazano zalety, wady oraz możliwości zastosowań różnego rodzaju modeli sieci neuronowych. (abstrakt oryginalny)
EN
This article concerns Data Mining issue and describes the base of the artificial neural networks building and functioning. The multistratified networks and Kohonen network were considered. Functioning of single neuron network and the whole network composed of many neurons was presented. The different learning methods, called also network training: learning with teacher and without teacher, were discussed. The particular attention was given to practical aspects of the artificial neural networks' use, and to it 's conditions, which shall be meet in order to be provided by reliable results for practical use such as: predictions, forecasting, grouping. The author showed in the article the advantages, disadvantages and possibilities of different kind of neuronal networks models use. (original abstract)
3
Publication available in full text mode
Content available

Kwalifikacja wniosków kredytowych – porównanie regresji oraz sieci neuronowej

100%
Gajda J. B.
Studia Ekonomiczne
|
2018
|
vol. 364
58-71
PL
W pracy badamy decyzje udzielenia bądź odmowy udzielenia kredytu konsumpcyjnego przeznaczonego na zakup samochodu osobowego na przykładzie próby ok. 200 klientów pewnego banku. Analiza sprowadza się do porównania instrumentów wspomagających podejmowanie decyzji – funkcji regresji oraz sieci neuronowej. Banki bądź przyznają kredyty (zmienna wyjściowa przybiera wartość 1), bądź ich odmawiają (na wyjściu pojawia się 0) na podstawie informacji o kliencie (tworzącej zbiór zmiennych wejściowych) zawartej w wypełnianym przez niego kwestionariuszu. Ze względu na obowiązek zachowania tajemnicy banki strzegą danych klientów, stąd rzadkość badań wykorzystujących informacje pochodzące z autentycznych wniosków kredytowych. Sieci neuronowe mogą okazać się przydatne do wstępnego rozpoznania istnienia bądź braku powiązań pomiędzy zmiennymi wejściowymi a wyjściowymi. Jeśli dopasowanie sieci jest wyraźnie lepsze od dopasowania liniowego równania regresji – sugeruje to nieliniowy charakter związku pomiędzy tymi zmiennymi. W naszym przykładzie użyteczność włączenia logarytmu zmiennej staż zdaje się wskazywać na przewagę sieci neuronowej. Jednakże – w odróżnieniu od regresji – sieci neuronowe nie dają szans rozróżnienia zmiennych wejściowych mających istotny wpływ na zmienne wyjściowe od niemających takiego wpływu. Pozostawia to pole do dyskusji na temat podobieństw i różnic w zakresach stosowalności sieci oraz modeli ekonometrycznych.
EN
The paper analyses bank’s decisions to accept or reject applications for loan. We compare suggestions given on one hand side by regressions, on the other hand by neural networks, both based on input variables presented in applications and binary output variables (1 if the application is accepted, 0 if the application has been rejected). Banks usually keep their clients data secret, thus our empirical information is based on applications of only 200 clients. Neural networks, working as a data mining instrument, may help to identify relationships between input and output variables, linear or nonlinear ones. If the fit of a network is better than the fit of a regression, both based on the same data set, one may conclude that the relation has nonlinear character. In our work the fact, that regression’s fit improved when a nonlinear variable ln_stage was included as an explanatory one supports such interpretation. On the other hand neural networks – as opposed to regression – are not capable to differentiate between input variables influencing the output significantly from variables with non-significant influence. This gives a room for discussion on similarities and differences of application neural networks and regressions.
4
Publication available in full text mode
Content available

Porównanie podejścia aproksymującego i klasyfikującego w prognozowaniu kursów wybranych akcji na GPW w Warszawie S.A. z użyciem jednokierunkowych sieci neuronowych

84%
Kasznia A.
Studia Ekonomiczne
|
2013
|
vol. 146
59-67
EN
In this paper two approaches to financial time series forecasting using neural networks were compared. First one, the function approximation approach, in which neural networks are trained to forecast the exact one day ahead value of stock price. And the second one, classification approach, in which the output variable is the direction of future stock price movements. The aim of this work was to check if using the classification models can lead to better results in terms of direction of change forecasting and profits generated by their forecasts. This research was conducted on the basis of the time series of daily closing stock prices for three companies listed on the Warsaw Stock Exchange. Simulations show that some of the approximating models achieved satisfactory results in terms of the directional symmetry measure, although the best results for each of the analyzed company have been achieved for classification models.
5

Zastosowanie sieci neuronowej typu SOM w badaniu przestrzennego zróżnicowania powiatów

84%
Migdał-Najman K., Najman K.
Wiadomości Statystyczne. The Polish Statistician
|
2003
|
issue nr 4
72-85
XX
Celem przedstawionego w artykule badania jest próba analizy przestrzennego zrożnicowania powiatów 10 lat po transformacji. Analizę przeprowadzono na podstawie danych statystycznych obejmujących 307 powiatów badanych ze względu na 9 zmiennych demograficznych i 14 zmiennych ekonomicznych według stanu na rok 2000. Pomiar przestrzennego zróżnicowania wykonano przy wykorzystaniu sieci neuronowej typu SOM (Self-Organizing Map).
EN
The analyse of similarities and diversification of poviats in Poland can serve as basis of diagnosis method of its condition after 10 years transformation period in Poland. A neural networks can be one of the measure used for such analyse. The article presents a trial of application of artificial neural networks for spatial survey of diversification of poviats in Poland. The analyse is conducting on the basis of statistical data concerning poviats, surveyed considering 9 demographic variables and 14 economic variables. The analyse covered Polish poviats without the Warszawski poviat and cities with poviat status - in total 307 administrative units, by situation as of 2000. Classification is based on neural network of Self-Organizing Map type (SOM). As a result it received 3 groups of poviats separated considering demographic variables and 5 groups considering economic variables. Then the analyse of poviats grouping in separate classes was conducted. On the above-mentioned basis it proved that received groups are clearly differed. Having regard to the conducted analyse it is possible to draw some conclusions which can be used for change of regional policy, development of regions and setback of enlarging disproportion between poviats. (original abstract)
6

Sieci neuronowe i modele regresyjne w analizach zależności przyczynowo-skutkowych

84%
Kisielińska J.
Wiadomości Statystyczne. The Polish Statistician
|
2003
|
issue nr 3
79-89
XX
W artykule dokonano porównania skuteczności metody analizy regresji i sieci neuronowych do tworzenia modeli przyczynowo-skutkowych. Posłużono się konkretnym przykładem polegającym na poszukiwaniu modelu przyczynowo-skutkowego, w którym zmienną zależną jest wskaźnik rentowności sprzedaży. Wykorzystano dane pochodzące z grupy 980 gospodarstw prowadzących rachunkowość rolną pod kierunkiem Instytutu Ekonomiki Rolnictwa i Gospodarki Żywnościowej w 1999 r. Do tworzenia modeli regresyjnych wykorzystany został pakiet STATISTICA, natomiast sieci neuronowych - STATISTICA Neural Networks.
EN
The article confronts methods of regression analysis and neural networks used in order to find causality and consecutive dependencies. On the basis of data from 1980 agricultural households keeping the agriculture accounting system, in the co-operation with the Agriculture and Food Economy Institute, a network and linear and non-linear regression model for evaluation of sales profitability indicator was created. STATISTICA package (regression models) and STATISTICA Neural Networks were used for calculation making. Presented results clearly stressed domination of neural networks taking into consideration of accuracy as well as comfort of using it. Main advantages of neural networks are the following: lack of necessity of creation of dependencies' forms between variables and ability of model selection of non-dependent random variables bringing the essential information. The main disadvantage is an analytical form of the model. The article presents neural networks as a comfortable and modern instrument for finding causality and consecutive models. The mentioned-above models can be used for initial data analysis connected with elimination of unessential variables and presenta tion of dependencies' character between dependent random variable and non-dependent random variables. (original abstract)
7
Publication available in full text mode
Content available

Implementacja i ocena systemu eksperckiego sieci neuronowych w analizie rynku akcji

84%
Karczyński T., Radosiński E.
Studia Ekonomiczne
|
2013
|
vol. 154
32-44
EN
The application of neural network system for multi-dimensional stock market data analysis is presented in the paper. Developed system predicts stock price movements based on daily quotation data like: volume, minimum and maximum session price, opening and closing price. Several studies were carried out, to compare systems investment decisions, with decisions that were made on the basis of some commonly used methods of stock market analysis. These methods are: MACD, Bootstrap, Markowitz Portfolio. For valuation purpose, the real stock market data of the four largest Polish companies were used. All companies are quoted on the Warsaw Stock Exchange and belong to the WIG 20 index. For the benchmarking, only stock data from the year 2009 were used. In order to enrich the benchmarking tests, three investment scenarios were added. First known as the skeptical assume that only incorrect investment decisions were made. Second known as the optimistic assume that only correct investment decisions were made. Last one known as passive assume that no investment decision were made - it is so called "buy and hold" conception. The benchmarking results confirmed, that the neural network system is able to make investment decisions, that significantly increase the profitability of the investment portfolio. Neural network system provide investment suggestions, that can be considered as an alternative to other commonly used methods of stock market analysis. However statistical tests proved a high correlation between quality of systems investment decisions and market trend and lack of correlation to the "optimistic" scenario. Neural network systems may help in investment process, but cannot be considered as fully reliable way of investment process automation.
8

Zastosowanie wielowymiarowych analiz statystycznych w badaniach konsumpcji

84%
Piekut M.
Wiadomości Statystyczne. The Polish Statistician
|
2007
|
issue nr 7
35-49
XX
Opracowanie zawiera analizę uwarunkowań konsumpcji w polskich gospodarstwach domowych przeprowadzoną na podstawie danych z badań budżetów gospodarstw domowych GUS. Do opracowania wyników zastosowano wielowymiarowe metody statystyczne: sieci neuronowych Kohonena i analizy dyskryminacyjnej. Z analizy wynika, że na wydatki gospodarstw domowych w największym stopniu wpływa dochód rozporządzalny oraz liczba osób w gospodarstwie. Korzystniejszą sytuację materialną zaobserwowano w gospodarstwach zlokalizowanych w miastach, w których głowy gospodarstwa posiadają wyższe wykształcenie, a głównym źródłem utrzymania jest praca najemna na stanowiskach nierobotniczych lub praca na własny rachunek. Najmniejsze wydatki ponosiły gospodarstwa osób starszych, nieaktywnych zawodowo, gdzie głównym źródłem utrzymania są emerytury. (abstrakt oryginalny)
EN
This elaboration contains the analysis of consumption conditionings in the Polish households, which was carried out on the base of data coming from households' budgets surveys conducted by the CSO. To elaborate findings the multidimensional statistical methods were used: Kohonen neuron network and discriminant analysis. The analysis shows that the most significant influence on the households' expenses has a disposable income and the number of persons in the households. Better material situation was observed in the households located in cities, in which the heads of households have higher education and their main income comes from the hired labor on non-worker positions or on one 's working on own account. The lowest expenses incur the households of old people, economically passive, where the pensions are their main income. (original abstract)
9
Publication available in full text mode
Content available

Sztuczne sieci neuronowe i ich zastosowanie w modelowaniu zjawisk gospodarczych

84%
Jeż R.
Studia Ekonomiczne
|
2015
|
vol. 217
182-191
PL
W artykule podjęto próbę umiejscowienia sztucznych sieci neuronowych w praktyce gospodarczej oraz ukazania szeroko rozumianej sieciowości jako instrumentu, który zajmuje istotne miejsce w tworzeniu społeczeństwa innowacyjnego, wyko-rzystującego nowoczesne technologie oraz wiedzę w tym zakresie. Na podstawie litera-tury przedmiotu dotyczącej wykorzystywania sztucznych sieci neuronowych w ekonomii można wskazać podstawowe grupy tematyczne, w których z powodzeniem odnajdują się sztuczne sieci neuronowe.
EN
The last time, knowledge and information have become determinants of in-novation economy. These are strategic resources that are increasingly determined by the competitive advantage of companies. Implementation of complex methods and tools for the needs of the economy becomes possible through the use of appropriate models of neural networks that belong to the influenza artificial intelligence methods. The purpose of this article is an attempt to present the role and importance of artificial neural ne-tworks (ANN) in predicting and describing economic phenomena.
10

Algorytmy neuronowe - zastosowanie w platformie finansowej

84%
Firlej Małgorzata M.
Zeszyty Naukowe Wyższej Szkoły Ekonomii i Informatyki w Krakowie
|
2017
|
issue 13
65-80
PL
Artykuł opisuje wykorzystanie sieci neuronowych do automatyzacji procesów w systemach decyzyjnych w sektorze finansowym na przykładzie zastosowania w VSoft Financial Platform składającej się modułu windykacyjnego, ubezpieczeniowego oraz kredytowego. Przedstawiono przykładowe zastosowania sieci neuronowych dla konkretnych zagadnień finansowych: segmentacji klientów, scoringu, windykacyjnych modeli predykcyjnych i oceny sytuacji finansowo-kredytowej. Zawarto argumenty za korzyściami zastosowania sieci neuronowych do budowania modeli predykcyjnych i finansowych. Przedstawiono ograniczenia w zastosowaniu sieci neuronowych do wyliczenia scoringu i ratingu klienta w systemach dla banku wynikające z regulacji i wymogów instytucji nadzorczych. (fragment tekstu)
EN
The article describes the use of neural networks for process automation in decision-making systems in the financial sector illustrated with an example of VSoft Financial Platform which includes debt collection, insurance and credit modules. The article presents the examples of neural network applications for specific financial issues: customer segmentation, scoring, debt collection predictive models, and financial and credit situation assessment. Arguments for the benefits of using neural networks to build predictive and financial models are discussed. The article also presents limitations in the use of neural networks to calculate customer scoring and rating in banking systems, resulting from regulations and requirements of supervisory institutions.(original abstract)
11
Publication available in full text mode
Content available

Przegląd możliwości rozpoznawania wybranych typów modulacji sygnałów

84%
Walenczykowska M., Kijewski A.
Przegląd Bezpieczeństwa Wewnętrznego
|
2014
|
vol. 6
|
issue 11
206-222
PL
W artykule zaprezentowano skrótowo informacje dotyczące możliwości zastosowania sztucznych sieci neuronowych a następnie omówiono teoretyczne podstawy ich działania, począwszy od uproszczonej budowy neuronu. Przytoczono również podstawowe wzory pozwalające na obliczenie wartości wyjściowych sztucznego neuronu po podaniu na jego wejścia określonych wartości. Następnie przedstawiono wybrane typy modulacji sygnałów, czyli PSK, FSK, QAM, ASK oraz ich własności. Omówiono cechy charakterystyczne ciągłej transformacji falkowej (CWT) obliczonej dla wybranych typów modulacji, pozwalające na rozróżnienie poszczególnych typów modulacji i stanowiących podstawę przedstawionego w pracy algorytmu rozpoznawania typów modulacji z wykorzystaniem ciągłej transformacji falkowej (CWT) i sztucznej sieci neuronowej (SSN). W analizowanym algorytmie na wejścia sieci podawane są wartości średnie i odchylenia standardowe ciągłej transformacji falkowej, obliczonej dla poszczególnych sygnałów zmodulowanych. Zadaniem sieci neuronowej jest z kolei klasyfikacja typu modulacji sygnału na podstawie wspomnianych wyżej cech podawanych na jej wejście. W artykule przedstawiono również wyniki otrzymane podczas badań symulacyjnych wykonanych w środowisku MatLab (firmy MathWorks).
EN
The proper signal classification have a great importance in the domain of electronic surveillance or wireless communication. The article presents a short introduction into neural networks and describes their application. It also lists basic equations which are essential for the neural network theory. In this paper we also recall the most popular modulations types and investigate the possibility of using wavelet transform (CWT) and neural network for the modulation type recognition system. The modulation identification algorithm is also presented and its performance is analyzed. Four types of signal modulation are reviewed: PSK, FSK, QAM, ASK. The mean value and standard deviation of CWT of each modulation type are used as signal features. After the proper features are extracted they are sent to the two layer neural network entry which is proposed as a classifier. We use a back propagation training algorithm. Also simulation results were presented in the article.
first rewind previous Page / 1 next fast forward last
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.