3、神经网络在金融与嵌入式应用中的研究与优化

神经网络在金融与嵌入式应用中的研究与优化

在金融领域，货币政策的设计与银行危机的预测是重要的研究课题。而在嵌入式应用中，人工神经网络（ANNs）在盲人移动阅读设备的字符识别方面也有着关键作用。下面将详细探讨这两个领域的相关研究。

金融领域：货币政策与银行危机预测

货币政策的设计需要与货币制度完美契合，以确保框架的一致性。灵活的货币政策设计可能无法使承诺具有可信度，因为它为政策制定者留下了一定的自由裁量空间，无法强有力地锚定市场主体的预期。中央银行的独立性并非理想特征，稳定政策应依赖于货币目标，而非内部货币政策目标。在这种情况下，依赖型中央银行不太可能干扰主要需要强大政治支持的货币目标。此外，利率越高，下一期发生危机的可能性就越大，因为项目融资变得更加困难。

在银行危机预测方面，研究人员应用了多种混合算法，将逻辑回归与乘积单元神经网络（PUNNs）或径向基函数网络（RBFNNs）相结合。这些混合方法通过进化编程对PUNN或RBFNN进行进化训练。研究人员在一个包含79个国家1981 - 1999年宏观经济变量的金融危机数据库中测试了这些混合方法，结果表明这些方法在银行危机预测问题上表现出色，优于其他现有的统计和人工智能技术。

嵌入式应用：为盲人移动阅读设备设计和评估神经网络

这项研究是意大利国家项目Stiper2的一部分，旨在为盲人开发日常生活辅助工具。其中一个原型是能够实时读取印刷文本的移动设备。由于该应用针对移动设备，使用的是低功耗硬件，计算资源有限。而基于ANNs的字符识别子系统是整个应用中计算量最大的部分，即使进行了优化，平均仍占总处理时间的57%，因此需要在不增加复杂度的前提下提高其性能。