کتاب کاربرد شبکه ی عصبی GMDH در اقتصاد انرژی اثر حمید ابریشمی نشر آذربرزین

اگر چه هنوز بیش از ۵۰ سال از تولد روش‌های محاسباتی مبتنی بر شبکه‌های عصبی مصنوعی (ANN) نمی‌گذرد، ولی این شبکه‌ها به دلیل دارا بودن ویژگی‌هایی چون پردازش موازی، هوشمندی و انعطاف‌پذیری، جایگاه چشم‌گیری در حل مسائل پیچیده از قبیل شناخت الگو، خوشه‌بندی، مدل‌سازی، تخمین و شناسایی و پیش‌بینی برای خود پیدا کرده است. یکی از مهم‌ترین کاربردهای شبکه‌های عصبی، استفاده از شبکه‌های عصبی برای پیش‌بینی، به‌‌ویژه پیش‌بینی قیمت نفت می‌باشد. شبکه‌ی عصبی در کاربرد از جهاتی هم‌چون یک ذهن زنده عمل می‌کند. به این معنا که از مشاهدات انتزاعی خود به قضاوت می‌پردازد، لذا شبکه‌ی عصبی مدتی را صرف آموزش می‌کند و سپس به‌صورت عملیاتی به کار گرفته می‌شود. در آموزش شبکه‌ی عصبی هر چه مشاهدات کامل‌تر باشد، آن‌چه انتزاع شده است درست‌تر خواهد بود. البته این احتمال وجود دارد که برخی مشاهدات گمراه کننده بوده و با روش کلی مشاهدات هماهنگ نباشد. بنابراین آن‌چه به‌عنوان نمونه‌ی آموزشی در اختیار شبکه‌ی عصبی قرار می‌گیرد، تا حد امکان باید پالایش شده و همسان باشد. شبکه‌ی عصبی آن‌چه را مشاهده می‌کند، در قالب پارامترهای درونی خود به ‌دلیل می‌سپارد. در حقیقت، تکرار هر یک از مشاهدات موجب تغییر پارامترهای درونی شبکه در جهت حفظ روابط حاکم بر مشاهدات است. به همین دلیل است که گاهی شبکه‌ی عصبی در رویارویی دوباره با نمونه‌ی آموزشی، چه بسا همراه با خطای قابل چشم‌پوشی عکس‌العمل نشان دهد، اما این استواری و ثبات در عمل را دارد که در برخورد با عموم نمونه‌های مشابه، عملکردی مناسب و همراه با خطای قابل اغماض داشته باشد.