нейронные сети

1. Сенин А.С., Лясников Н.В.
Принятие управленческих решений в кризисных ситуациях на основе нейронной сети «дерево решений» // Экономика и социум: современные модели развития. (№ 1 / 2019).  
Цель. На основе анализа литературных источников, а также международного опыта развития технологий виртуального ситуационного центра исследовать особенности использования нейронной сети «дерево решений» для поддержки принятия управленческих решений в кризисных ситуациях. Материалы и методы. Методической основой данной статьи являются литературные источники по развитию технологий виртуального ситуационного центра, а также открытые аналитические материалы по опыту использования нейронной сети «дерево решений» для поддержки принятия управленческих решений в кризисных ситуациях. Результаты. В настоящей статье определена сущность технологии виртуального ситуационного центра: и его роли для поддержки принятия управленческих решений в кризисных ситуациях Проведен анализ использования нейронной сети «дерево решений» для поддержки принятия управленческих решений в кризисных ситуациях. Выводы. Алгоритмы машинной поддержки управленческих решений в критических ситуациях могут использоваться во многих сферах, как правило, там, где необходима автоматизация решения сложных задач, для которых принято использовать знания и опыт человека. На сегодняшний день широко используются нейронные сети. В основе нейросетей лежит представление о том, что нейрон – это простой элемент, который можно промоделировать. Причем вся сложность человеческого мышления происходит из огромного количества нейронов (в человеческом мозгу их более 1010) и сложности связей между ними. Так, к примеру, в банковских структурах для поддержки принятия управленческих решений нейронная сеть позволяет обнаружить сложные, нелинейные и нетривиальные зависимости между характеристиками клиента и его платежеспособностью, вернет ли он кредит в срок или нет, которые невозможно обнаружить с помощью логистической регрессии и деревьев классификации. На сегодняшний день нейронные сети нашли широкое применение в крупных финансовых компаниях. Так, к примеру, Lloyds Bowmaker Motor Finance использует нейронные сети «дерево решений» для принятия решений в автокредитовании; Security Pacific Bank – в кредитовании малого бизнеса и так далее. Однако самым важным недостатком нейронных сетевых моделей является сложность интерпретации, так как структура нейронной сети не позволяет описать взаимосвязи простым способом. Применение. Полученные выводы и результаты исследования могут быть использованы при дальнейшем использовании нейронной сети «дерево решений» для поддержки принятия управленческих решений в кризисных ситуациях.

Сенин А.С., Лясников Н.В. Принятие управленческих решений в кризисных ситуациях на основе нейронной сети «дерево решений» // Экономика и социум: современные модели развития. – 2019. – Том 9. – № 1. – с. 98-110. – doi: 10.18334/ecsoc.9.1.40541.

---

2. Трифонов Ю.В., Ширяева Ю.С., Громницкий В.С.
Формирование стратегий деятельности предприятий с использованием нейронных сетей // Креативная экономика. (№ 6 / 2018).  
Предложены методы, позволяющие структурировать деятельность предприятия путем выделения стратегических сфер деятельности и стратегических баз. Непосредственно процесс структуризации деятельности предприятия разбивается на четыре этапа: выделение элементарных видов деятельности, поиск ключевых факторов успеха для каждого элементарного вида деятельности, группировка элементарных видов деятельности и поиск стратегических баз. Рассматривается применение нейронных сетей на этапе формирования стратегических сфер деятельности.

Трифонов Ю.В., Ширяева Ю.С., Громницкий В.С. Формирование стратегий деятельности предприятий с использованием нейронных сетей // Креативная экономика. – 2018. – Том 12. – № 6. – с. 805-816. – doi: 10.18334/ce.12.6.39169.

---

3. Бурилина М.А., Ахмадеев Б.А.
Анализ многообразия архитектур и методов моделирования децентрализованных систем на основе агент-ориентированного подхода // Креативная экономика. (№ 7 / 2016).  
В статье представлена методология построения искусственного интеллекта агентов и гибридных агент-ориентированных моделей с использованием нейронных сетей, позволяющих преодолеть недостатки известных методов математической формализации поведения агентов микроуровня. Авторами разработан детальный обзор обучающихся и не обучающихся агентов, описаны математически подходы к проектированию взаимоотношений агентов в сети и предложены классификаторы искусственного интеллекта.
Данная работа может быть полезна при разработке оптимизационных моделей на основе методов имитационного компьютерного моделирования, нейронных сетей, а также при построении децентрализованных агент-ориентированных моделей социальных систем.
Работа выполнена при финансовой поддержке РНФ, грант № 16-18-10296 «Разработка комплекса агент-ориентированных моделей, имитирующих социально-экономическую систему Евразийского континента, и детализированных до уровня отдельных индивидуумов».

Бурилина М.А., Ахмадеев Б.А. Анализ многообразия архитектур и методов моделирования децентрализованных систем на основе агент-ориентированного подхода // Креативная экономика. – 2016. – Том 10. – № 7. – с. 829–848. – doi: 10.18334/ce.10.7.35364.

---

4. Малышев Е.А.
Инновации в планировании и прогнозировании энергопотребления, на примере государственных учреждений // Креативная экономика. (№ 11 / 2012).  
Инновационная система планирования основывается на прогнозе расходов энергоресурсов на основе нейросетевых технологий. Применение нейросетевых методов позволяет создать новую модель управления энергетической энергоэффективностью в государственных учреждениях, включающую принципиально новую систему стимулирования снижения энергозатрат.

Малышев Е.А. Инновации в планировании и прогнозировании энергопотребления, на примере государственных учреждений // Креативная экономика. – 2012. – Том 6. – № 11. – с. 90-94. – url: https://creativeconomy.ru/lib/4844.

---

---

Продолжить поиск в библиотеке по запросу «нейронные сети»?