Прогнозування економічної ефективності бізнес-моделі промислового підприємства з використанням методів машинного навчання

- Horal, Liliana (orcid.org/0000-0001-6066-5619), Khvostina, Inesa (orcid.org/0000-0001-5915-749X), Reznik, Nadiia (orcid.org/0000-0001-9588-5929), Shiyko, Vira (orcid.org/0000-0002-2822-0641), Yashcheritsyna, Natalia (orcid.org/0000-0002-2926-5550), Korol, Svitlana (orcid.org/0000-0002-4804-7612) and Zaselskiy, Vladimir I. (2020) Прогнозування економічної ефективності бізнес-моделі промислового підприємства з використанням методів машинного навчання Proceedings of the Selected Papers of the Special Edition of International Conference on Monitoring, Modeling & Management of Emergent Economy (M3E2-MLPEED 2020) Odessa, Ukraine, July 13-18, 2020, 2713. стор. 334-351. ISSN 1613-0073

Text paper37.pdf - Опублікована версія Download (761kB)

* Анотація

У статті розглядається проблема вивчення впливу ключа визначає економічну ефективність бізнес -моделі промислового підприємства та має на меті побудувати оптимальну модель для прогнозування ефективності бізнес -моделі промислового підприємства з використанням нейронних кордонів. Була розроблена система ключових визначальних факторів. Пізніше значні фактори були використані для побудови нейронних мереж, які характеризують досліджуваний результуючий вектор розвитку рис. Процедуру побудови нейронних мереж виконували в середовищі нейронних мереж STATISTICA. Як вхідні параметри, згідно з попереднім аналізом, було обрано 6 ключових показників факторів. Початковий параметр визначається економічною ефективністю. За результатами аналізу нейронних мереж було протестовано 100 нейронних мереж і збережено 5 найкращих. Були використані такі типи архітектур нейронної мережі, багатошаровий персептрон, узагальнена регресійна мережа та лінійна мережа. За результатами моделювання нейронної мережі було запропоновано 5 багатошарових персептронів архітектур нейронних мереж. Згідно з описовою статистикою, найкращою моделлю був багатошаровий персептрон з архітектурою MLP 6-10-1, яка ідентифікує модель із 6 вхідними змінними, однією змінною на виході та одним прихованим шаром, що містить 10 прихованих нейронів. За результатами аналізу чутливості мережі до вхідних змінних було визначено, що мережа є найбільш чутливою до змінної часткою витрат електроенергії у загальних витратах. За результатами стандартного прогнозування вибраних нейронних мереж гіпотеза про найкращу нейронну мережу була підтверджена як Absolute res., Squared res, Std. Res для нейронної мережі MLP 6-10-1 досяг оптимального значення і вказує на те, що обрана модель дійсно має невеликі залишки, що свідчить про досить високу точність прогнозу при її використанні.

Тип ресурсу:	Стаття
* Ключові слова:	нейронні мережі, прогнозування, бізнес-модель, економічна ефективність, цифровізація, компанія з транспортування нафти
Класифікатор:	Загальний відділ. Наука та знання. Організація. Інформація. Документація. Бібліотечна справа. Установи. Публікації > 00 Загальні питання науки та культури > 004 Комп’ютерна наука і технологія. Застосування комп’ютера. Оброблення даних > 004.9 ІКТ ( інформаційні (комп’ютерні) технології ) > 004.94 Комп’ютерне моделювання Загальний відділ. Наука та знання. Організація. Інформація. Документація. Бібліотечна справа. Установи. Публікації > 3 Суспільні Науки. Статистика. Політика. Економіка. Торгівля. Право. Уряд. Військова Справа. Соціальна Допомога. Страхування. Освіта. Фольклор > 33 Економіка. Економічні науки
* Наукові установи:	Інститут інформаційних технологій і засобів навчання > Спільна лабораторія з ДВНЗ «Криворізький національний університет»
Внесення Користувача:	Сергій Олексійович Семеріков
Дата подачі на зберігання:	25 Лист 2021 21:52
Останнє оновлення:	25 Лист 2021 21:52
URI:	https://lib.iitta.gov.ua/id/eprint/727242

Downloads

Actions (login required)

Оглянути опис ресурсу