В Сибирском федеральном университете (СФУ) учёные улучшили известную нейросеть LVI-PDNN, приспособив её для решения динамических финансовых проблем. Об этом они написали в статье для журнала Applied Mathematics and Computation.
Новая разработка помогает оптимизировать математические модели в инвестиционной сфере, высчитывая максимальные прибыли и минимальные затраты. Российские специалисты отметили, что линейное программирование применяется в различных сферах, но впервые создан инструмент для решения динамических задач.
«С помощью нашей разработки инвесторы смогут принимать более аккуратные решения. Начали мы с задачи страхования инвестиционного портфеля с минимальными затратами», - пояснил главный научный сотрудник СФУ Предраг Станимирович.
В структуру LVI-PDNN был внедрён контроллер нечёткой логики, который оперирует различными степенями истинности вместо классического запроса «истина-ложь» и это повысило адаптивность нейросети к решению динамических задач.
Целью учёных СФУ стало развитие новых нейронных сетей, которые должны сами по себе решать задачи оптимизации. В перспективе перед учёными стоит задача аппаратной реализации таких нейросетевых оптимизаторов.
