Экономические и гуманитарные науки УДК 336.7 В.И. АНИКИН, А.А. ТУРАЕВА ПРИМЕНЕНИЕ АЛГОРИТМА ОБУЧЕНИЯ ИНС С ПОМОЩЬЮ КЛЕТОЧНЫХ АВТОМАТОВ ДЛЯ КЛАСТЕРИЗАЦИИ БАНКОВ НА БАЗЕ ДЕМОПРИМЕРА ПРОГРАММЫ DEDUCTOR Рассмотрено решение задачи кластеризации банков в имитационной табличной модели нейронной сети Кохонена по алгоритму LUCA («обучение с помощью клеточных автоматов» - Learning by Using Cellular Automata) и аналитической платформе Deductor. <...> Ключевые слова: новый алгоритм обучения самоорганизующихся карт Кохонена с помощью клеточного автомата, табличное моделирование, кластеризация банков, аналитическая платформа Deductor. <...> Технология самоорганизующихся карт является универсальным методом анализа. <...> С ее помощью можно анализировать различные стратегии деятельности, производить анализ результатов маркетинговых исследований, проверять кредитоспособность клиентов, выделять надежных партнеров, определять перспективный товар, решать другие экономические задачи. <...> В настоящий момент применяются модифицированные методы и алгоритмы самообучения самоорганизующихся карт. <...> Наиболее распространенным является целый класс алгоритмов WTМ («победитель получает больше» - Winner Takes Most). <...> Эффективность конкретного алгоритма этого класса зависит от вида функции G(k, x). <...> Deductor – технологическая платформа для создания законченных аналитических решений. <...> В среде Deductor реализован WTМ алгоритм обучения карт Кохонена. <...> При решении задач кластеризации различные модификации WTМ алгоритма реализуются в зависимости от настроек таких параметров, как скорость и радиус обучения, функция соседства. <...> Авторами был предложен новый детерминированный алгоритм LUCA («обучение с помощью клеточных автоматов» - Learning With Cellular Automata), который показал хорошие результаты при распознавании структуры двухмерных данных [2]. <...> Целью исследования является проверка механизма функционирования самоорганизации алгоритма LUCA при работе с многомерными данными, пространственное расположение <...>