Запис Детальніше

використання нейронних мереж для забезпечення ефективності діяльності промислових підприємств у процесі їх інтернаціоналізації

DSpace at Ternopil State Ivan Puluj Technical University

Переглянути архів Інформація
 
 
Поле Співвідношення
 
Title використання нейронних мереж для забезпечення ефективності діяльності промислових підприємств у процесі їх інтернаціоналізації
Application of neural networks to ensure the efficiency of industrial enterprises'activity in the process of their internationalization
 
Creator Пастух, Олег
Крамар, Ірина Юріївна
Чернух, Олександр
Pastukh, Oleh
Kramar, Iryna
Chernukh, Oleksandr
 
Contributor Тернопільський національний технічний університет імені Івана Пулюя, Тернопіль, Україна; ТОВ «ЕПАМ Сістемз Іспанія», Мадрид, Іспанія
Ternopil Ivan Pul’uj National Technical University, Ternopil, Ukraine; EPAM Systems Spain SL, Madrid, Spain
 
Subject штучний інтелект
нейронні мережі
інтернаціоналізація
ефективність
artificial intelligence
neural networks
internationalization
efficiency
004.8
658
339.7
 
Description Здійснено оцінювання ефективності діяльності промислових підприємств у процесі їх інтернаціоналізації за допомогою засобів штучного інтелекту. Досліджено переваги застосування
методу нейромережового моделювання для вирішення економічних завдань та обгрунтовано доцільність його використання у проведенні даного дослідження. На основі даних експертного оцінювання та
фінансової звітності десяти промислових підприємств за допомогою лінійного коефіцієнта кореляції Пірсона встановлено значущість кожного із 25 параметрів (субкритеріїв), які впливають на
ефективність діяльності промислових підприємств. Визначено, що 10 із них мають найбільшу значущість. На основі визначення значущості субкритеріїв розроблено програмну систему
інтелектуальних агентів (нейронних мереж) для підтримки прийняття управлінських рішень в умовах невизначеності щодо інтернаціоналізації промислових підприємств з метою забезпечення ефективності
їх діяльності. Для програмної системи інтелектуальних агентів застосовано метод машинного навчання багатошарового персептрону (БШП). Розраховано значення середньої абсолютної помилки (MAPE)
оцінки якості програмної системи інтелектуальних агентів, яке становить 1,2%, що свідчить про високу точність отриманих результатів. Встановлено, що розроблений програмний продукт можна
застосовувати для вирішення також інших проблем у діяльності підприємства.
The effectiveness of industrial enterprises activities in the process of their internationalization with the help of artificial intelligence tools is measured in the article. The advantages of using the method of neural
network modeling for solving economic problems and the expediency of its use in conducting this research are explored. Based on the expert estimation and financial data of ten industrial enterprises, using the linear Pearson
correlation coefficient, the significance of each of the 25 parameters (subcriteria) that affect the performance of industrial enterprises is established. It is determined that 10 of them have the greatest significance. On the basis
this determination a software system of intellectual agents (neural networks) is developed to support the decisionmaking process under uncertain conditions which are directed on the internationalization of industrial enterprises
in order to ensure effectiveness of their activities. For the software system of intelligent agents, the method of machine learning of multilayer perceptron (MLP) is used. The value of the average percentage error (MAPE) for
estimating the quality of the software system of the intelligent agents is calculated and is equal to 1,2%, which indicates the high accuracy of the obtained results. It is determined that the developed software product can be
used to solve other problems in enterprise activity
 
Date 2019-09-01T19:57:39Z
2019-09-01T19:57:39Z
2019-06-25
2019-06-25
2019-06-13
 
Type Article
 
Identifier Пастух О. використання нейронних мереж для забезпечення ефективності діяльності промислових підприємств у процесі їх інтернаціоналізації / Олег Пастух, Ірина Крамар, Олександр Чернух // Галицький економічний вісник. — Т. : ТНТУ, 2019. — Том 58. — № 3. — С. 121–129. — (Економіка та управління підприємством).
2409-8892
http://elartu.tntu.edu.ua/handle/lib/28912
Pastukh O., Kramar I., Chernukh O. (2019) vykorystannia neironnykh merezh dlia zabezpechennia efektyvnosti diialnosti promyslovykh pidpryiemstv u protsesi yikh internatsionalizatsii [Application of neural networks to ensure the efficiency of industrial enterprises'activity in the process of their internationalization]. Galician economic bulletin (Tern.), vol. 58, no 3, pp. 121-129 [in Ukrainian].
https://doi.org/10.33108/galicianvisnyk_tntu2019.03.121
 
Language uk
 
Relation Галицький економічний вісник Тернопільського національного технічного університету, 3 (58), 2019
Galician economic bulletin of the Ternopil National Technical University, 3 (58), 2019
https://doi.org/10.1016/S0167-9236(03)00088-5
https://doi.org/10.2139/ssrn.2264379
https://doi.org/10.1080/07474939408800273
https://doi.org/10.1080/07350015.1995.10524600
https://doi.org/10.1126/science.aaa8415
1. Lam M. Neural network techniques for financial performance prediction: integrating fundamental and technical analysis. Decision Support Systems. 2004. 37 (4). P. 567–581. https://doi.org/10.1016/S0167-9236(03)00088-5
2. Önder E., Fɪrat B. Hepsen A. Forecasting Macroeconomic Variables using Artificial Neural Network and Traditional Smoothing Techniques. Journal of Applied Finance & Banking. 2013. Vol. 3. No. 4. P. 73–104. https://doi.org/10.2139/ssrn.2264379
3. Kuan C. & White H. Artificial neural networks: an econometric perspective. Econometric Reviews. 1994. 13 (1). P. 1–91. https://doi.org/10.1080/07474939408800273
4. Swanson N. & White H. A model-selection approach to assessing the information in the term structure using linear models and artificial neural networks. Journal of Business & Economic Statistics. 1995. 13 (3). P. 265–275. https://doi.org/10.1080/07350015.1995.10524600
5. M. I. Jordan and T. M. Mitchell, «Machine learning: trends, perspectives, and prospects». Science. 2015. Vol. 349. No. 6245. Pp. 255–260. DOI: 10.1126/science.aaa8415. https://doi.org/10.1126/science.aaa8415
6. Ткаченко Р. Нова парадигма штучних нейронних мереж прямого поширення. Вісник Державного університету «Львівська політехніка». Сер.: Комп'ютерна інженерія та інформаційні технології. 1999. С. 43–54.
7. Ільчук П. Г. Методи оцінювання рівня інтернаціоналізації підприємств. Економіка і прогнозування. № 4. 2014. С. 97–109.
1. Lam M. Neural network techniques for financial performance prediction: integrating fundamental and technical analysis. Decision Support Systems. 2004. 37 (4). P. 567–581. https://doi.org/10.1016/S0167-9236(03)00088-5
2. Önder E., Fɪrat B. Hepsen A. Forecasting Macroeconomic Variables using Artificial Neural Network and Traditional Smoothing Techniques. Journal of Applied Finance & Banking. 2013. Vol. 3. No. 4. P. 73–104. https://doi.org/10.2139/ssrn.2264379
3. Kuan C. & White H. Artificial neural networks: an econometric perspective. Econometric Reviews. 1994. 13 (1). P. 1–91. https://doi.org/10.1080/07474939408800273
4. Swanson N. & White H. A model-selection approach to assessing the information in the term structure using linear models and artificial neural networks. Journal of Business & Economic Statistics. 1995. 13 (3). P. 265–275. https://doi.org/10.1080/07350015.1995.10524600
5. M. I. Jordan and T. M. Mitchell, «Machine learning: trends, perspectives, and prospects». Science. 2015. Vol. 349. No. 6245. Pp. 255–260. DOI: 10.1126/science.aaa8415. https://doi.org/10.1126/science.aaa8415
6. R. Tkachenko Nova paradyhma shtuchnykh neironnykh merezh priamoho poshyrennia [New paradigm of artificial neural networks of direct distribution]. Visnyk Natsionalnoho Universytetu “Lvivska politekhnika”: Komp’iuterna Inzheneriia ta Informatsiini Tekhnolohii. 1999. No. 386. Pp. 43–54. [In Ukrainian].
7. Ilchuk P. H. Metody otsiniuvannia rivnia internatsionalizatsii pidpryiemstv. [Methods of assessing the level of internationalization of enterprises]. Ekonomika i prohnozuvannia. No. 4. 2014. P. 97–109. [In Ukrainian].
 
Rights © Тернопільський національний технічний університет імені Івана Пулюя, 2019
 
Format 121-129
9
 
Publisher ТНТУ
TNTU