Mapy neuronowe w analizie i eksploracji danych ekonomicznych

W monografii sformułowano propozycje nowych modeli neuronowych przeznaczonych do analizy i eksploracji danych ekonomicznych, a jednocześnie umożliwiających wizualizację i interpretację ich sygnałów wyjściowych. Rozważane modele są specyficznymi mapami neuronowymi, opartymi na strukturze i funkcjonowaniu oryginalnej sieci neuronowej Kohonena typu SOM, jednak przystosowanymi do rozwiązywania problemów predykcji oraz szacowania wartości, a także do realizacji innych dodatkowych zadań eksploracji danych. Wartościową cechą rozważanych narzędzi jest możliwość wizualnej analizy sygnałów modelu (prezentowanych w postaci dwuwymiarowej mapy). Istotną funkcją wybranych modeli jest również aproksymacja formalnego rozkładu prawdopodobieństwa a posteriori dla prognozowanej zmiennej. Monografia, oprócz definicji struktury oraz algorytmów uczenia proponowanych modeli, zawiera formalne analizy stanowiące matematyczną podstawę ich funkcjonowania, a także badania efektywności tych modeli w wybranych zagadnieniach ekonomicznych, dotyczących m.in. szacowania wartości nieruchomości czy też wyceny diamentów jubilerskich.

Treść:
1. Neuronowe modelowanie zjawisk ekonomicznych
2. Propozycja sieci neuronowej MSOM jako nowego narzędzia analizy danych w problemach szacowania i predykcji
3. Propozycja modelu BSM - rozszerzenie funkcjonalności modelu MSOM o możliwość generowania rozkładu prawdopodobieństwa
4. Analiza efektywności i dóbr parametrów dla modeli MSOM i BSM w wybranym problemie estymacji wartości (wycena diamentów)
5. Propozycja regresyjnych wersji map MSOM i BSM generujących quasi-ciągłe sygnały wyjściowe
6. Wykorzystanie modeli COMSOM i BMM w analizie rynku nieruchomości
7. Wnioski końcowe