НЕЙРОСЕТЕВАЯ МОДЕЛЬ ДЛЯ РЕЙТИНГОВОЙ ОЦЕНКИ Текст научной статьи по специальности «Компьютерные и информационные науки»

ТЕХНИЧЕСКИЕ НАУКИ

НЕЙРОСЕТЕВАЯ МОДЕЛЬ ДЛЯ РЕЙТИНГОВОЙ ОЦЕНКИ

Язханова Х.Д.

Язханова Хесель Дурдыевна - кандидат технических наук, старший преподаватель, кафедра информационных систем, факультет менежмента, Туркменский государственный институт экономики и управления, г. Ашхабад, Туркменистан

Аннотация: в данной статье рассматриваются нейронные сети на основе программного продукта с библиотекой Neural Networks для рейтинговой оценки предприятий. К технико-экономическим показателям разработки относятся: накопление знаний по данным рейтинга; сокращение времени и затрат на подготовку рекомендаций; повышение уровня готовности к выполнению задач. Модель можно использовать для прогнозирования рейтинговых уровней развития любого предприятия на будущие периоды времени.

Ключевые слова: инновационная технология, нейронной сети, проектирования рейтинговой системы, прогнозирования задач, нейросетевая модель, архитектуры сети.

Независимый нейтральный Туркменистан последовательно укрепляет собственные позиции в числе процветающих мировых стран. В целях более полного задействования всех ресурсов и возможностей для стабильного роста национальной экономики была принята «Концепция развития цифровой экономики Туркменистана на 2019-2025 годы» [1]. Во всех отраслях национальной экономики активно внедряются инновационные технологии и информационно-коммуникационное оборудование, соответствующие нормам мировых стандартов, что способствует дальнейшему укреплению экономической конкурентоспособности страны.

В данной статье рассмотрены проблемы проектирования рейтинговой системы. Задается входные данные нейронной сети и характеристики готовности информации в качестве выходных данных. Разработана и обучена модель нейронной сети на основе программного продукта с библиотекой Neural Networks. Проведен эмпирический подбор параметров нейронной сети. Проверка готовности сети проведена на входных тестовых данных.

Необходимость рейтинговой оценки обусловлена различными причинами -поэтому она может быть организована в различных формах и может быть рассчитана на различные сроки. В данной статье рассматривается нейросетевая модель «инфляция производство», использующая для обучения выборку из нескольких по квартальных данных за последние годы. С помощью пакета Excel Neural Package построить нейронную сеть на основе архитектуры многослойного перспетрона, анализирующую наши данные и формирующую связь между показателями экономического роста предприятия. Программный продукт с библиотекой Neural Networks Tools позволяет вызвать графический интерфейс редактирования и модификации существующей архитектуры сети.

Качество работы нейронной сети сильно зависит от предъявляемого ей в процессе обучения набора учебных данных[2]. Данные обучающей выборки должны быть типичны для поставленной задачи и соответствовать практическому набору работ.

Формирование обучающей выборки нейронной сети для задач прогнозирования состоит из следующих этапов:

1, Этап сбора и подготовки данных:

- оценивание данных; объединение и очищение данных; отбор данных;

- преобразование данных.

2, Этап построение модели обучения:

- формирования частей выборки под модель обучения;

- формирование обучающей части;

- формирование тестирующей части.

Выполняя алгоритм проектирования нейросети с библиотекой Neural Networks Tools позволяет вызвать графический интерфейс редактирования и модификации существующей архитектуры сети. Получение результатов работы модели осуществляется после запуска кнопки Simulate Network формируется результат и сохраняется в окне «Output Date».

Данная модель позволит проводить имитационные исследования подготовки производственной деятельности. К технико-экономическим показателям разработки относятся: накопление знаний по данным рейтинга; сокращение времени и затрат на подготовку рекомендаций; повышение уровня готовности к выполнению задач. Модель может использоваться с пользовательским интерфейсом, без внесения изменений. Модель полностью выполняет поставленные задачи. Моделью можно использовать для прогнозирования рейтинговых уровней развития любого предприятия на будущие периоды времени.

Список литературы

1. «Концепция развития цифровой экономики Туркменистана на 2019-2025 годы», 2018.

2. Аксенов С.В., Новосельцев В.Б. Организация и использование нейронных сетей (методов и технологии). Томск: Изд-во НТЛ, 2006.