В последнее время меня заинтересовало применение нейронных сетей в прогнозировании. Пока что я поверхностно изучил данный вопрос. Но уже сейчас можно сделать определенные выводы. И главным выводом является то, что применение нейросетей в прогнозировании очень перспективно, так как данные сети обладают определенными полезными для прогнозирования свойствами.

Суть применения нейросетей в прогнозировании состоит в следующем. По набору сигналов, сеть классифицирует ситуацию и выдает результат в виде прогноза. Но  для того, чтобы сеть могла достаточно точно по набору сигналов классифицировать ситуацию – её необходимо обучить. Для этого нужно достаточно большая выборка ситуаций и их последствий.

Среди достоинств нейронных сетей можно выделить, то, что они «самостоятельно» могут выявлять сложные взаимосвязи между явлениями и процессами, даже если эти взаимосвязи являются не очень сильными и не очень заметными с первого «человеческого» взгляда.

Также следует отметить, что универсальная нейросеть – это пока миф. Момент ее появления (если такое будет) ознаменует создание искусственного интеллекта.

Мне кажется, что чем более узкую проблему предоставить решать сети, тем более эффективной и простой ее можно сделать. По сути, в таком виде сеть представляет собой адаптивную многофакторную эконометрическую модель. Причем, судя по всему, точность прогнозирования на основе подобной модели должна быть значительно выше, чем у регрессионных моделей.

Думаю, что на данном сайте информация о нейронных сетях будет появляться и в будущем.