В статье представлен анализ применения импульсных нейронных сетей третьего поколения для решения задач регрессии. Рассмотрены основные модели импульсных нейронов (LIF, Ижикевича, Ходжкина-Хаксли) с точки зрения их вычислительной сложности и применимости к регрессионным задачам. Проанализированы методы кодирования вещественных данных в последовательности импульсов: частотное, временное и популяционное кодирование. Особое внимание уделено методам декодирования выходных импульсов в непрерывные значения, включая частотное декодирование, декодирование по времени первого импульса, использование мембранного потенциала и популяционное голосование. Проведена оценка энергоэффективности различных подходов, продемонстрировано снижение энергопотребления в 100-200 раз по сравнению с традиционными нейронными сетями при сохранении приемлемой точности. Результаты исследования подтверждают перспективность применения импульсных сетей во встраиваемых системах и устройствах интернета вещей.

Ключевые слова: импульсные нейронные сети, модель импульсного нейрона, кодирование импульсами, регрессия, энергоэффективность

1.2.2 - Математическое моделирование, численные методы и комплексы программ

В статье представлен комбинированный подход с использованием методов машинного обучения для выбора эффективной торговой стратегии на валютной бирже. Представленный подход использует расчет углового коэффициента линейной регрессии по индикаторам логарифмической доходности и определение тренда котировок валютной пары BTC/USD в следующем периоде на основе рассчитанного знака коэффициента. Многослойная нейронная сеть прямого распространения выполняет предсказание значения углового коэффициента в следующем десятиминутном периоде для текущего двадцатиминутного периода. В статье предлагается комбинированный подход к использованию методов машинного обучения для выбора эффективной торговой стратегии на валютной бирже. В исследовании представлены результаты практических экспериментов, оценивающих соотношение эффективных и неэффективных стратегий на основе предсказанных значений коэффициентов линейной регрессии.

Ключевые слова: машинное обучение, нейронная сеть, финансовые временные ряды, предсказание поведения котировок валют, коэффициенты линейной регрессии

05.13.18 - Математическое моделирование, численные методы и комплексы программ