Проблемы экономики, № 5, 2015 Математические и инструментальные методы экономики Гостилович А.О., соискатель Гостилович С.О., соискатель Соколянский В.В., кандидат медицинских наук, доцент Князева Е.В., кандидат экономических наук, доцент (Московский государственный технический университет им. <...> Н.Э. Баумана) АППЛИКАЦИЯ НЕЙРОННЫХ СЕТЕЙ К ЭКОНОМИЧЕСКИМ ИССЛЕДОВАНИЯМ Статья посвящена описанию нейронной сети, принципам работы и обучения искусственной нейронной сети и её применению в экономике. <...> APPLICATION OF NEURAL NETWORKS TO ECONOMIC RESEARCH This article describes a neural network, principles of working, training artifi cial neural network and its application in the economy. <...> Keywords: artifi cial neural network, the synapses, sigmoid function, the expert group. <...> Преимуществом мозга является параллельное выполнение большого количества задачи возможность нелинейной обработки информации. <...> Вычислительных мощностей мозга хватает для актов восприятия (распознавание лиц, речь) и управленческой деятельности (движение тела). <...> Человеческий мозг содержит более 10 млрд взаимосвязанных нейронов. <...> Древовидные сети нервных волокон (дендриты) подсоединены к телу клетки (сома), где расположено ядро. <...> Из сомы выходит одиночное длинное волокно (аксон), которое разветвляется на пряди и субнити, соединяющиеся с другими нейронами через синаптические контакты или синапсы. <...> Передача сигналов от одного нейрона к другому в синапсах является сложным химическим процессом [2]. <...> Искусственные нейронные сети (в дальнейшем – ИНС) были разработаны как обобщение математических моделей биологических нервных систем. <...> Первая волна интереса к ИНС появилась после введения упрощенной модели нейронов МакКалоха и Питтса [3]. <...> В этой математической модели нейрон представляется как чёрный ящик, имеющий множество входов и один выход (рис. <...> Дендрит представлен весом соединенияw, который модулирует действие соответствующих входных сигналов, а тело клетки представлено активационной функцией f(s). <...> Способность к обучению из искусственного нейрона достигается посредством регулирования <...>