CC BY
22НЕЙРОННЫЕ СЕТИ ДЛЯ ОПТИМИЗАЦИИ УПРАВЛЕНЧЕСКИХ
РЕШЕНИЙ
1 2 Язханова Х.Д. , Бердиева М.
1Язханова Хесель Дурдыевна - старший преподаватель, кандидат технических
наук;
Бердиева Мерджен - студент, факультет Менеджмент, Туркменский Государственный институт экономики и управления,
г. Ашхабад, Туркменистан
Аннотация: в статье рассматривается перспективы цифровизации в сфере управления с использованием искусственных нейронных сетей. В последние годы на основе нейронных сетей разрабатываются многопрограммные продукты для применения в таких вопросах, как прогнозирование и оценка экономических параметров, состояния предприятия, кредитоспособности и в целом оптимизации управленческих решений.
Ключевые слова: инновационная технология, нейронные сети, преимущества нейронных сетей, прогнозировать платежеспособность предприятий, построения модели прогнозирования платежеспособности предприятий с использованием нейронных сетей.
На сегодняшний день экономика вышла на качественно новый -индустриально-инновационный путь развития, активно идёт процесс цифровизации всех сфер управления государственной и общественной жизни. Реализация программ цифровых технологии по созданию новых рабочих мест, развитию систем здравоохранения, образования, науки, культуры, спорта, повышению уровня социально-бытовых условий населения сёл и малых городов обеспечивает высокий уровень и качество жизни. В рамках цифровой экономики нейронные сети представляют собой новую перспективную вычислительную технологию, дающую новые подходы к исследованию динамических задач и прогнозировании в экономике. В последние годы на основе нейронных сетей разрабатываются многопрограммные продукты для применения в таких вопросах, как прогнозирование и оценка экономических параметров, состояния предприятия, кредитоспособности, вероятности развития или банкротства предприятия и т.д.
Нейронные сети базируются на параллельной обработке информации и обладают способностью к самообучению. Нейронные сети позволяют создать эффективное программное обеспечение для компьютеров. Создавая математическое обеспечения на базе нейронных сетей, можно для широкого класса задач решить проблему эффективности одновременного решения задач. Кроме того, параллельная обработка информации обеспечивает высокую скорость решения тех или иных задач.
Распознавание в настоящее время является самым широким применением нейронных сетей. Нейросетевая технология используются для решения таких
задач, в которых нет четких алгоритмов получения желаемых результатов. Преимущества нейронных сетей:
- Возможность учиться на множестве примеров в тех случаях, когда неизвестны законы, управляющие развитием ситуации и функцией зависимости между входными и выходными данными;
- Умение успешно решать задачи, опираясь на неполную, искаженную и внутренне противоречивую входную информацию;
- Позволяет практически неограниченно увеличивать мощность нейронной системы, т. е. сверхвысокую скорость за счет использования массового обработки информации;
- Допуск ошибок - производительность сохраняется при повреждении значительного числа нейронов;
- Способность к обучению - программирование вычислительной системы заменяется обучением;
- Способность распознавать изображения в условиях сильных помех и искажений.
Область применения нейронных сетей в экономике достаточно обширна: - Управление кредитными рисками;
- Предсказание ситуации на фондовом рынке;
- Оценка стоимости недвижимости;
- Прогнозирование динамики биржевых курсов;
- Автоматическое распознавание чеков;
- Обнаружение нарушений при уплате налогов;
- Анализ рынка ценных бумаг;
- Выдача кредитов;
- Предсказание валютных курсов;
- Оценивание кандидатов на должность;
- Оптимальное распределение ресурсов.
Используя нейронных сетей, можно также прогнозировать платежеспособность предприятий. Метод построения модели прогнозирования платежеспособности предприятий с использованием нейронных сетей обеспечивает проведении анализы платежеспособности производственных предприятий на основе финансовых показателей. Нейросетевая модель по сравнению с известными моделями, основанными на логистической регрессии дает повышенная точность прогноза.
Список литературы
1. Трофимова Е.А., Мазуров В.Д., Гилёв Д.В. Нейронные сети в прикладной
экономике // Уральский Федеральный Университет, Екатеринбург, 2017.
2. Курочкина И.П., Калинин И.И., Маматова Л.А., Шувалова Е.Б. Метод
нейронных сетей в моделировании финансовых показателей компании //
Ярославский государственный университет, Ярославль, 2017.
