Моделирование с помощью нейронных сетей
(DMNN71)
Длительность: 2 дня. Уровень: 4. Версия ПО: 9.3
В этом курсе объясняются алгоритмы для построения искусственных нейронных сетей - многослойного персептрона и радиально-базисной сети, а также изучается их практическое применение. Курс содержит теоретические и практические вопросы построения нейронных сетей. В частности, как выбрать подходящую архитектуру нейронной сети, как определить подходящий метод обучения, как использовать процедуру NEURAL для создания пользовательских нейронных сетей.
Слушатели этого курса научатся:
- Создавать нейронные сети - радиально-базисную и многослойный персептрон.
- Выбирать подходящую архитектуру нейронной сети и обучающий метод.
- Избегать переобучения нейронных сетей
- Выполнять авторегрессионный анализ временных рядов с помощью нейронных сетей.
- Интерпретировать модели нейронных сетей.
Для прохождения этого курса вам необходимо знать основные статистические понятия. Эти навыки вы можете получить на курсе Statictics 1: Introduction to ANOVA, Regression and Logistic Regression. Также нужно знать основы программирования на языке SAS в рамках курса Программирование на языке SAS. Часть 1: Основы. Необходимы навыки работы с SAS Enterprise Miner (в рамках курса Applied Analytics Using SAS Enterprise Miner Part1), знание основ математического анализа.
Аудитория
Аналитики данных и специалисты, занимающиеся статистическим моделированием, с хорошей математической подготовкой.
Введение в нейронные сети
- Использование процедуры NLIN для построения нелинейной регрессии
- Использование процедуры REG для построения полиномиальной регрессии
- Использование процедуры GPLOT для построения непараметрической регрессии
Архитектура нейронной сети
- Многослойный персептрон
- Радиально-базисная нейронная сеть
Обучение модели
- Статистическая теория функций ошибок
- Преимущества и недостатки численных методов оптимизации
- Избегание локальных минимумов (целевой функции)
Процедура NEURAL
- Выбор входных переменных с помощью интерпретации весов
- Выбор входных переменных с использованием отсечения, основанного на чувствительности (sensitivity-based pruning)
Augmented Networks
- Определение и пример использования нейронной сети с встречнонаправленным распространением (counterpropagation network(
- Определение обобщенной аддитивной нейронной сети (GANN)
- Пример использования GANN и её сравнение с другими методами
- Определение и пример использования суррогатной модели – как можно понять предсказания нейронной сети