Primena neuronske mreže na problem kategorizacije ekonomske razvijenosti zemalja

Sažetak

Ovaj rad prikazuje praktičnu primenu višeslojne feedforward neuronske mreže, obučavane nadgledano backpropagation algoritmom, na problem automatskog klasifikovanja zemalja u unapred predefinisane kategorije ekonomske razvijenosti, sadržane u izveštaju Ujedinjenih nacija pod nazivom World Economic Situation and Prospects 2012 (WESP 2012). Cilj rada je automatizacija procesa kategorisanja zemalja, definisanje skupa ključnih merljivih indikatora ekonomske razvijenosti, kao i apostrofiranje značaja neuronskih mreža za rešavanje klasifikacionih problema. Istraživanje obuhvata klasifikaciju 168 zemalja u 4 grupe ekonomske razvijenosti upotrebom 7 odabranih merljivih indikatora. Podaci iz zvaničnih izveštaja međunarodnih ekonomskih institucija poslužili su za obučavanje inteligentnog sistema odlučivanja zasnovanog na neuronskoj mreži, a kao mera kvaliteta obuke upotrebljena je confusion matrica, koja prikazuje preciznost inteligentnog sistema utvrđivanjem procenta poklapanja sa iskustveno dobijenim podacima. Preciznost automatske klasifikacije govori o neuronskim mrežama kao moćnom aparatu za rešavanje klasifikacionih problema, ali i o opravdanosti izbora klasifikacionih parametara i njihovoj važnosti. Važnost izabranih indikatora ogleda se u tome što je poznavanje njihovih vrednosti dovoljan uslov za automatsku klasifikaciju nivoa pouzdanosti od 80%.