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