Кирилл Чиркунов » Публикация

Результаты прогнозирования с помощью нейросетей, как правило,
должны сопровождаться указанием их степени компетентности. Без этого эти результаты могут быть просто не адекватными моделируемым процессам, особенно в экономике.

Не совсем понял, что значит «указание степени компетентности».
В тех публикациях, которые я видел, нейронные сети проверялись так: брались данные для обучения и контрольные данные (исторические). Нейронная сеть обучалась по данным обучения, а потом проходила «тест» на контрольных данных и считалась максимальная ошибка расхождения выдаваемого результата и фактического. В тезисах собственно и указано, что ошибка в ближайшей перспективе составляет 3%
Насколько я знаю, для нейронных сетей вообще математически некорректна задача объяснения, почему они работают правильно, т.к. все-таки это не алгоритмический аппарат.
Мы можем лишь делать выводы статистически и строить гипотезы.

Вы пользуетесь устаревшими методиками. Посмотрите хотя бы наши работы scipeople.ru/uploads/materials/4749/scherbatsky2.pdf
tage.ru/?book=disser&cat=n25&str=150&nomer=3118
где проблема оценки субьективных ошибок объективными метрологическими алгоритмами решена уже более 10 лет назад.
Этот подход позволит Вам существенно повысить надежность результатов, полученных на основе применения нейросетей.

Виктор Борисович, спасибо за конструктивное замечание. Я обязательно посмотрю ваши работы.
Я недавно для себя выполнял обзор литературы по прогнозированию. И могу представить вашему вниманию работу, которая может быть интересна и вам.
Это не публикация, лишь краткие наброски по различным методам прогнозирования, которые я сделал для расширения собственного кругозора.
Скачать можно здесь:
scipeople.ru/uploads/materials/20276/Forecast_Approaches_Review.doc
Есть некоторые методы, которые вообще не упоминаются в русскоязычной литературе.

Спасибо за подборку. Интересуюсь методом рефлексивной обратной связи при прогнозах Дж.Сороса. Встречали ли Вы его реализацию на нейросетях?