29.03.2024
Подписывайтесь на Telegram-канал по ссылке

Создана нейросеть для помощи инвесторам

Инвесторам поможет нейросеть

Улучшенную версию известной нейросети LVI-PDNN, применяемой для оптимизации математических моделей в различных сферах, предложили учёные Сибирского федерального университета (СФУ) в партнёрстве с зарубежными коллегами. По их словам, новая нейросеть станет первым «ассистентом инвестора», способным принимать решения в условиях реальной рыночной динамики. Статья опубликована в журнале Applied Mathematics and Computation.

Линейное программирование — инструмент оптимизации математических моделей, применяемых в ряде сфер. Например, при работе с финансами целью оптимизации выступает максимальная прибыль или минимальные затраты, объяснили учёные. Уже более десяти лет нейронные сети активно применяются для решения в реальном времени задач линейного программирования с изменяющимися условиями, то есть так называемых динамических задач.

В то же время интерес к финансовой оптимизации с помощью нейронных сетей также набирает обороты в мире, однако для этой сферы до сих пор не было создано инструмента решения динамических задач, отметили специалисты. Учёные СФУ усовершенствовали алгоритмы квадратичного и линейного программирования на основе нейросетевого подхода и систем нечёткой логики для решения динамических задач, в том числе при управлении финансами.

«Мы предложили улучшенную версию известного нейросетевого метода LVI-PDNN, специально впервые в мире предусмотрев её применение для решения динамических финансовых проблем — с помощью нашей разработки инвесторы смогут принимать более аккуратные решения. Начали мы с задачи страхования инвестиционного портфеля с минимальными затратами», — рассказал главный научный сотрудник СФУ Предраг Станимирович.

Изюминка новой системы, по словам создателей, — внедрённый в структуру LVI-PDNN контроллер нечёткой логики, оперирующий степенями истинности вместо классической дилеммы «истина/ложь», что повышает адаптивность системы при решении динамических задач.

«Чтобы нейросеть могла распознавать объекты или ситуации реального мира, её нужно обучить, в том числе с помощью различных алгоритмов оптимизации. Мы же развиваем новый класс обнуляющих нейронных сетей, которые сами по себе способны решать задачи оптимизации. Такие нейросетевые оптимизаторы могут быть реализованы аппаратно, то есть в виде микросхем, что в перспективе сделает их чрезвычайно быстрыми», — объяснила заведующая кафедрой цифровых технологий управления Алёна Ступина.