Wyniki wyszukiwania - BazEkon

1

Formalna ocena jakości od-wzorowania struktury grupowej na mapie Kohonena

100%

Migdał-Najman K., Najman K.

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia

|

2014

|

22

|

nr 327 Klasyfikacja i analiza danych - teoria i zastosowania

131-138

Artykuł dotyczy badania możliwości zastosowania siedmiu wskaźników (średni błąd kwantyzacji, błąd topograficzny, błąd dystorsji, współczynnik Kaskiego-Lagus, zlogarytmowany współczynnik Nasha-Sutcliffe'a, indeks Willmotta i liczba martwych neu-ronów) do oceny jakości odwzorowania struktury grupowej jednostek na mapie Kohonena. W eksperymencie wykorzystano wygenerowane zbiory danych o znanej strukturze prze-strzennej jednostek. Poddano analizie związki między wartościami poszczególnych wskaź-ników ze strukturą badanej sieci i zgodnością grupowania ze wzorcem.(abstrakt oryginalny)

2

Graficzna ocena jakości odwzorowania struktury grupowej na mapie Kohonena

100%

Migdał-Najman K., Najman K.

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia

|

2014

|

22

|

nr 327 Klasyfikacja i analiza danych - teoria i zastosowania

139-147

W eksperymentach wykorzystano wygenerowane zbiory danych metrycznych o znanej strukturze przestrzennej jednostek. Dla każdego zbioru zbudowano sieci SOM (Self Organizing Map). Dla każdej sieci dokonano wizualizacji badanych wskaźników jakości odwzorowania i oceniono, która część mapy Kohonena odpowiada za powstałe błędy od-wzorowania. W oparciu o tę ocenę wyróżniono jednostki i skupienia poprawnie i błędnie pogrupowane. Ostatecznie dokonano próby lokalnej oceny jakości grupowania, którą można przypisać każdej jednostce zbioru danych.

3

Wykorzystanie map cech Kohonena we wstępnej analizie danych

80%

Tarczyński G.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu

|

2007

|

nr 1167 Współczesne tendencje rozwojowe badań operacyjnych

255-265

Termin wstępna analiza danych (exploratory data analysis - EDA) po raz pierwszy użyty w 1977 r. przez J. Tukeya oznacza wykorzystanie różnych technik analizy danych, zwłaszcza graficznych, w celu umożliwienia "wglądu w dane", odkrycia ukrytych w nich struktur, wyznaczenia istotnych zmiennych, detekcji obserwacji nietypowych. Wstępną analizę danych stosuje się od pewnego czasu w procesie zgłębiania danych (data mining), będącego elementem pozyskiwania wiedzy z baz danych (knowledge discovery in databases - KDD). Z powodu ogromnej ilości danych zastosowanie metod statystycznej analizy danych SAD jest wówczas utrudnione. Stosuje się je zazwyczaj w celu weryfikacji wyników otrzymanych po przeprowadzeniu wstępnej analizy. (fragment tekstu)

4

Zastosowanie jednowymiarowej sieci SOM do wyboru cech zmiennych w grupowaniu dynamicznym

80%

Migdał-Najman K.

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia

|

2013

|

21

|

nr 279 Klasyfikacja i analiza danych - teoria i zastosowania

48-57

W artykule zaproponowano oryginalną procedurę wyboru cech w grupowaniu dynamicznym. Jako algorytm grupowania dynamicznego wykorzystano samouczącą się sieć neuronową typu GNG. Aby przyspieszyć i polepszyć wyniki grupowania, redukowano liczbę zmiennych, korzystając z sieci SOM. W eksperymencie symulacyjnym wykazano skuteczność takiego rozwiązania. W efekcie uzyskano znaczące przyspieszenie procesu grupowania dynamicznego bez utraty jakości grupowania.(abstrakt oryginalny)

5

Zastosowanie sieci neuronowej typu SOM do wyboru najatrakcyjniejszych spółek na WGPW

61%

Migdał-Najman K., Najman K.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu

|

2002

|

nr 952 Inwestycje finansowe i ubezpieczenia - tendencje światowe a polski rynek

493-499

Badanie tu prezentowane jest próbą przedstawienia możliwości sieci neuronowej typu SOM (Self Organizing Map, Mapa Samoorganizująca) w klasyfikacji i wyborze najatrakcyjniejszych spółek na WGPW przy wykorzystaniu danych fundamentalnych. (fragment tekstu)

6

Sieć SOM jako przykład sieci samoorganizującej się

61%

Bartos K.

Ekonometria / Uniwersytet Ekonomiczny we Wrocławiu

|

2012

|

nr 2 (36)

65-74

Artykuł prezentuje sieć SOM jako przykład sieci samoorganizującej się. Zawiera podstawowe informacje o tej sieci: jej genezę, strukturę, sposób funkcjonowania i metodę uczenia (uczenie nienadzorowane z konkurencją). Ponadto autorka opisuje proces weryfikacji samoorganizujących się map cech oraz algorytm Kohonena wykorzystywany podczas trenowania sieci SOM. (abstrakt oryginalny)

7

Zastosowanie nienadzorowanych sieci neuronowych typu Growing Neural Gas w analizie skupień

61%

Najman K.

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia

|

2009

|

16

|

nr 47 Klasyfikacja i analiza danych - teoria i zastosowania

196-204

Celem prezentowanych badań jest weryfikacja hipotezy o wysokim potencjale sieci typu GNG w analizie skupień. Przedstawione zostaną podstawy teoretyczne tej metody, jej własności, które na podstawie badan symulacyjnych będą poddane weryfikacji i ocenie. (fragment tekstu)

8

Koncepcja wykorzystania sieci Kohonena do wspierania decyzji inwestora giełdowego

61%

Bac M.

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Informatyka Ekonomiczna

|

2010

|

18

|

nr 119 Systemy informacyjne w zarządzaniu. Zastosowania praktyczne

21-30

Zainteresowanie rynkami giełdowymi na świecie wzrasta z roku na rok. Przyciągani możliwością osiągnięcia szybkiego i łatwego zysku inwestorzy zwiększają płynność instrumentów bazowych i instrumentów pochodnych, co budzi poczucie bezpieczeństwa i jeszcze bardziej zwiększa atrakcyjność rynków. Coraz bardziej zaawansowane techniki są wykorzystywane do wsparcia analizy instrumentów finansowych. Poza wykorzystywaniem komputerów do przeprowadzania standardowych analiz coraz częściej wykorzystuje się sztuczną inteligencję jako narzędzie do predykcji. W obliczu powyższych spostrzeżeń celem niniejszego artykułu jest prezentacja i weryfikacja koncepcji zastosowania sieci neuronowych SOM do wspomagania decyzji inwestycyjnych.(abstrakt oryginalny)

9

Wykorzystanie map cech (SOM) i odwzorowania Sammona do prezentacji wielowymiarowych danych ekonomicznych

61%

Tarczyński G.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu

|

2003

|

nr 1006 Zastosowanie statystyki i matematyki w ekonomii

245-253

Referat zawiera omówienie popularnej metody skalowania wielowymiarowego: odwzorowania Sammona i metody neuronowej opartej na mapach cech (Self-Organizing Maps, SOM). Niedogodnością odwzorowania Sammona w przypadku dużych zbiorów danych jest złożoność obliczeniowa, a co za tym idzie - większy czas obliczeń. Samoorganizujące się mapy cech generowane są przez jedne z najprostszych jednokierunkowych i jednowarstwowych sieci neuronowych. Charakteryzują się one dwiema cechami: kwantyzacją wektorową (Vector Quantization, VC) i zachowaniem mapy topologicznej (Topology Mapping). Mapa cech sama w sobie traktowana jest często jako dwuwymiarowy obraz danych N-wymiarowych (N> 2). Dzięki różnym technikom prezentacji map cech możliwe jest określenie podobieństwa pomiędzy analizowanymi wektorami, co sprzyja wyróżnieniu klas. (fragment tekstu)

10

Symulacyjna analiza efektywności sieci neuronowych w klasyfikacji bezwzorcowej

51%

Stal J.

Zeszyty Naukowe / Akademia Ekonomiczna w Krakowie

|

2006

|

nr 724

33-47

W opracowaniu dokonano weryfikacji sieci neuronowych pod kątem zastosowań w klasyfikacji bezwzorcowej. Przeprowadzone badania mają dać odpowiedź na pytanie, czy sieci neuronowe mogą być wykorzystywane jako skuteczne metody wizualizacji i grupowania wielowymiarowych danych.

11

Cluster Analysis of the Impact of Currency Regime Type on Features of the Spread of Financial Crises

51%

Strelchenko I.

Operations Research and Decisions

|

2018

|

28

|

nr 2

71-84

The paper presents the results of research on the impact of currency regime type on features of the spread of financial crises. The focus is on constructing a neural network to identify groups of countries exhibiting similar behaviour in the dynamics of the index of flexibility in the effective exchange rate, exchange market pressure and external public debt markets in times of sudden changes in the environment. The alpha-criterion for optimality constructed in this way is based on the use of a concordance coefficient. The result of modelling is a self-organization map with a hidden layer consisting of six clusters. This cluster structure allows us to analyse the relationship between the type of currency regime and the consequences of the global crisis in 2007-2009 for the domestic financial markets of the investigated countries. It is found that the result of the division is significantly influenced by the proximity of administrative boundaries and historically predetermined close trade and economic channels of interaction between economies. The results obtained can be used to formulate directions in the currency policies of developing countries, including Ukraine. (original abstract)

12

Modyfikacja samoorganizujących się map cech dla potrzeb modelowania szeregów czasowych

51%

Morajda J.

Prace Naukowe / Akademia Ekonomiczna w Katowicach

|

2004

|

Postępy ekonometrii

201-212

Samoorganizujące się mapy cech znane pod nazwą sieci neuronowych Kohonena stanowią oparte na analogii neurobiologicznej narzędzia analizy danych, wykorzystywane głównie w zagadnieniach grupowania wzorców i wizualizacji otrzymanych grup na dwuwymiarowej siatce. Przedstawiono zmodyfikowaną mapę SOM jako narzędzie uzupełniające w procesie analizy szeregów czasowych.

13

Analiza porównawcza własności nienadzorowanych sieci neuronowych typu Self Organizing Map i Growing Neural Gas w analizie skupień

51%

Migdał-Najman K.

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia

|

2009

|

16

|

nr 47 Klasyfikacja i analiza danych - teoria i zastosowania

205-213

Celem prezentowanych badań jest wskazanie różnic między tymi sieciami i porównanie ich własności, szczególnie z punktu widzenia analizy skupień. (fragment tekstu)

14

Zastosowanie sieci Kohonena do grupowania gospodarek światowych ze względu na czynniki charakteryzujące zaspokajanie potrzeb energetycznych

51%

Roman W.

Roczniki Kolegium Analiz Ekonomicznych / Szkoła Główna Handlowa

|

2017

|

nr 45 Narzędzia gospodarki cyfrowej

347-358

Grupowanie elementów zbioru1 w odrębne skupienia (grupy, klastry) jest próbą ustalenia jego prostej struktury, co może być punktem wyjścia do przeprowadzenia dalszych pogłębionych analiz. Wśród zjawisk gospodarczych we współczesnym świecie priorytetowe znaczenie ma zaspokajanie potrzeb energetycznych społeczeństw, tj. dostarczanie nośników energii w ilościach pozwalających państwom rozwiniętym co najmniej na utrzymanie dotychczasowego poziomu rozwoju ekonomicznego, a rozwijającym się - na skracanie dystansu pomiędzy nimi a gospodarkami rozwiniętymi. Celem artykułu jest dokonanie podziału gospodarek światowych na homogeniczne grupy, które będą mogły być dalej wykorzystane do prowadzenia analiz służących poprawie sytuacji energetycznej kraju.(fragment tekstu)

15

Zastosowanie algorytmów genetycznych w klasyfikacji bezwzorcowej

51%

Morajda J., Grabowski M.

Przegląd Statystyczny

|

2001

|

48

|

z. 3-4

301-314

Algorytmy genetyczne mogą okazać się przydatnym narzędziem w poszukiwaniu rozwiązań dla wielu klasycznych problemów, również o dużym stopniu trudności. Artykuł stanowi próbę zastosowania algorytmów genetycznych, należących do rodziny metod sztucznej inteligencji, w celu rozwiązania zagadnienia klasyfikacji bezwzorcowej.

16

Sieci neuronowe w segmentacji odbiorców usług komunalnych

51%

Stal J.

Zeszyty Naukowe / Uniwersytet Ekonomiczny w Krakowie

|

2009

|

nr 770

203-220

Metody sztucznej inteligencji, do jakich zalicza się sieci neuronowe, mogą stanowić alternatywne narzędzie w procesie segmentacji rynku, w szczególności segmentacji post hoc - nabywców na rynku dóbr i usług konsumpcyjnych. Na przykładzie praktycznego zastosowania metod grupowania i wizualizacji opartych na samoorganizujących się mapach cech Kohonena (SOM) w segmentacji odbiorców usług komunalnych dokonano analizy i oceny wielu aspektów zastosowania sieci, zwracając szczególną uwagę na parametry uczenia, kryteria określania homogenicznych grup, czy też określanie ich profilu. (abstrakt oryginalny)

17

Narzędzie sztucznych sieci neuronowych w modelowaniu ekonomicznym

51%

Janas A.

Zeszyty Naukowe Uniwersytetu Rzeszowskiego. Seria Ekonomiczna. Marketing i Zarządzanie

|

2005

|

3

|

nr 29

91-102

Celem artykułu jest syntetyczna prezentacja narzędzia sztucznych sieci neuronowych dla potrzeb modelowania ekonomicznego. W szczególności omówiono genezę tego narzędzia badawczego, jego budowę i zasadę działania. Następnie zaprezentowano przykłady zastosowania sieci neuronowych w badaniach ekonomicznych w zadaniu o charakterze regresyjnym (perceptron wielowarstwowy) i w rozwiązaniu problemu klasyfikacji bezwzorcowej (sieć Kohonena).

18

Propozycja metody redukcji zbioru zmiennych grupujących opartej na koncentracji obiektów na sieci SOM

51%

Najman K.

Prace i Materiały Wydziału Zarządzania Uniwersytetu Gdańskiego

|

2007

|

nr 5

611-622

Przedstawiono procedurę eliminacji zmiennych o najmniejszym potencjale dyskryminacyjnym opartą na pomiarze koncentracji obiektów na sieci Kohonena SOM. Istota metody została wyjaśniona w oparciu o dwa abstrakcyjne przykłady teoretyczne. Możliwości aplikacyjne zostały zaprezentowane w oparciu o jeden przykład empiryczny z polskiego rynku kapitałowego.

19

Sieć Kohonena jako metoda identyfikacji i wizualizacji obserwacji nietypowych

51%

Grabowski M.

Zeszyty Naukowe / Akademia Ekonomiczna w Krakowie

|

2003

|

nr 547

37-53

Jednym z kluczowych zagadnień statystycznej analizy wielowymiarowej jest spełnienie wymogu jednorodności zbioru obserwacji. Zagadnienie to jest przez wielu badaczy niedoceniane. Wiele z metod statystycznej analizy wielowymiarowej zakłada normalność rozkładu badanych cech. W rzeczywistości prawie nigdy warunek ten nie jest spełniony. W związku z tym istnieje konieczność poszukiwania metod analizy danych, pozwalających na określenie stopnia jednorodności danych i ewentualną identyfikację obserwacji nietypowych. Wydaje się, że jedną z takich metod może okazać się sieć Kohonena. W artykule zostanie przedstawiony ogólny zarys metody oraz propozycja jej wykorzystania do identyfikacji i wizualizacji danych nietypowych. (abstrakt oryginalny)

20

Klasyfikacja wzorców wystepujących w finansowych szeregach czasowych przy użyciu sieci neuronowych Kohonena

51%

Lula P., Morajda J.

Zeszyty Naukowe / Akademia Ekonomiczna w Krakowie

|

2002

|

nr 604

73-83

W artykule przedstawiono metodę bezwzorcowej klasyfikacji formacji występujących w szeregach czasowych przy wykorzystaniu sieci Kohonena. Zaproponowano opartą o sieć Kohonena procedurę klasyfikacji wzorców generowanych przez indeks giełdowy WIG i zaprezentowano wyniki tej analizy wraz z ich wizualizacją graficzną. Przedyskutowano wyniki tej analizy wraz z ich wizualizacją graficzną. Przedyskutowano możliwości praktycznego wykorzystania tej metody w modelowaniu i prognozowaniu szeregów czasowych. (abstrakt oryginalny)