Filtering Input Data of Neural Network Using Digital Signal Processing Technology

Abstract

Одним из важных направлений исследования в области искусственного интеллекта можно назвать методы оптимизации, в том числе стохастические алгоритмы. Данная технология используется для решения различных задач во многих областях деятельности. Целью приведенного в статье исследования является улучшение обучения нейронной сети методом генетического алгоритма путем фильтрации входных данных с использованием технологии цифровой обработки сигналов. В качестве входных данных взяты биржевые котировки. Нейронная сеть представляет собой совокупность слоев нейронов, где каждый нейрон является функцией от суммы входных сигналов, умноженных на коэффициенты. В данной статье используется сигмовидная передаточная функция. Для улучшения качества обучения входные данные подвергаются фильтрации. В обзорной части рассмотрен технический анализ, метод автоматической регрессии и применение нейронных сетей. Выдвинута и проверена гипотеза возможности улучшения качества обучения нейронной сети за счет подавления шума в исходных данных с использованием методов ЦОС. Проверена гипотеза зависимости качества обучения нейронной сети от статистических характеристик выборки. Рассмотрен метод фильтрации биржевых котировок с использованием скользящей средней и медианной фильтрации. Приведены результаты эксперимента и численная оценка качества обучения, а также статистических характеристик выборки, тем самым подтверждена зависимость между статистическими характеристиками выборки и качеством обучения нейронной сети. Подтверждено положительное влияние предварительной фильтрации данных на качество обучения нейронной сети.