DOI: 10.32702/2306-6814.2020.4.11
УДК: 338.47:004.032.26
М. А. Дем'янчук
ЗАСТОСУВАННЯ НЕЙРОННИХ МЕРЕЖ У ДІЯЛЬНОСТІ ТА РОЗВИТКУ ДІДЖИТАЛІЗОВАНОГО ПІДПРИЄМСТВА ПРИ ДОСЯГНЕННІ ЗБАЛАНСОВАНОГО РОЗВИТКУ
Анотація
Все більше впровадження інформаційно комунікаційних технологій у діяльність підприємств, зростання інформаційних потоків призводить до необхідності вирішення проблем стосовно аналізу та обробки великої кількості даних, предиктивної аналітики. Такі проблеми в трансформаційних умовах можливо вирішити із застосуванням нейронних мереж. У роботі автором пропонується використання нейромережевого методу для виявлення відповідності поточного стану розвитку діджиталізованого підприємства еталонній моделі з метою встановлення рівня збалансованого розвитку та виявлення проблемних (вузьких) місць та пошуку рішень щодо усунення їх або мінімізації впливу на збалансований розвиток, що обгрунтовується умовами невизначеності закономірностей та відтворення складних нелінійних залежностей між різними індикаторами розвитку економічних, соціальних, екологічних груп показників. Представлено пропоновану архітектуру нейронної мережі, на вхідний шар якої надходить вектор, що являє собою набір з індикаторів, що характеризують групи показників досліджуваного підприємства, що проходять через синапсіс. Прихований шар формує вектор ознак y розмір якого більше кількості вхідних індикаторів. Вихідний шар містить n виходів, в яких відображається рівень збалансованого розвитку підприємства відповідно до шкали і наявність проблемних зон, що вимагають регулювання. Представлена модель нейронної мережі заснована на класі мереж класифікації із використанням архітектури багатошарового перцептрона.
Ключові слова: цифровізація; ІКТ; нейронні мережі; архітектура нейронної мережі; діджиталізоване підприємство; збалансований розвиток.
Література
1. McCalloch W.S., Pitts W. A logical calculus of the ideas immanent in nervous activity. Bull. Math. Biophys. 1943. V.5. pp.115—133. URL: http://raai.org/library/books/mcculloch/mcculloch.pdf (Дата звернення: 06.02.2020).
2. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: исследование зависимостей. М.: Финансы и статистика, 1985. 487 с.
3. Hadley G. Nonlinear and Dynamic Programming. Addison-Wesley, Massachussetts, 1964. 496 р.
4. Заенцев И.В. Нейронные сети: основные модели. URL: http://masters.donntu.org/2006/fvti/lazebnik/library/art11.htm (Дата звернення: 06.02.2020).
5. Кенин А.М., Мазуров В.Д., Первушин Д.Р. Опыт применения нейронных сетей в экономических задачах. URL: http://web.archive.org/web/20130402025015/http://www.uralstars.com/Docs/Editor/Neuro.htm (Дата звернення: 06.02.2020).
6. Чернодуб А.Н. Обучение нейроэмуляторов с использованием псевдорегуляризации для метода нейроуправления с эталонной моделью. Искусственный Интеллект. 2012. №. 4. C. 602—614.
7. Курников Д.С., Петров С.А. Использование нейронных сетей в экономике. Juvenis scientia. 2017. № 6. С. 10—12.
8. Дебунов Л.Н. Применение искусственных нейронных сетей в моделировании финансовой устойчивости предприятия. Бізнес Інформ. 2017. № 9. С. 112—119. Режим доступу: http://nbuv.gov.ua/UJRN/binf_2017_9_20 (Дата звернення: 06.02.2020).
9. Єлисєєва О.К., Решетняк Т.В. Методи та моделі оцінки і прогнозування фінансового стану підприємств: монографія. Краматорськ: ДДМА, 2007. 208 с.
10. Богданова Т.К., Шевгунов Т.Я., Уварова О.М. Применение нейронных сетей для прогнозирования платежеспособности российских предприятий обрабатывающих отраслей. Бизнес-информатика. 2013. № 2 (24). С. 40—48.
11. Козлов В.Н. Искусственные нейронные сети в моделировании коллективного сознания. Научно-исследовательские публикации. 2017. № 4. С. 42—47.
12. Швиданеко Г.О., Олексюк О.І. Сучасна технологія діагностики фінансово-економічної діяльності підприємства: монографія. К.: КНЕУ, 2002. 192 с.
13. Решетняк Т.В. Моделювання тенденцій зміни стійкості фінансового стану підприємства. Наукові записки Тернопільського національного педагогічного університету. 2007. № 21. С. 144—149.
M. Demianchuk
THE USE OF NEURAL NETWORKS IN THE ACTIVITIES AND DEVELOPMENT OF A DIGITIZED ENTERPRISE WHILE ACHIEVING BALANCED DEVELOPMENT
Summary
Increasingly the introduction of information and communication technologies in the activities of enterprises, the growth of information flows leads to the need to solve problems in the analysis and processing of large amounts of data, predictive analytics. Such transformational problems can be solved with the use of neural networks that are capable of learning and self-study in the light of experience, which is the main advantage of neural networks over traditional algorithms for addressing such issues. A number of publications are devoted to the problems of theoretical and practical nature of the development of neural networks. However, in the context of the digitalization of the economy and the digitization of enterprises, many problematic issues remain unanswered and need to be addressed. Therefore, the purpose of the study is to investigate the use of neural networks in the activities and development of a digitized enterprise while achieving balanced development. The paper defines the inherent features of NN as a universal tool for solving complex problems. The use of digital technology in business activities is the only possible key to quality market transformation, but it requires greater staffing as the role of analytical attention and point work with consumers grows. The use of digital technologies is a competitive advantage of the enterprise through the provision of digital products and services, incorporating the intellectual resources, management and production staff that make it successful. Neural networks have reached the scale of application in economics by solving the problems of economic and statistical modelling and improving the adequacy of mathematical models, bringing them closer to economic reality. Therefore, in the context of uncertainty of patterns and reproduction of complex nonlinear dependencies between different indicators of development of economic, social, environmental groups of indicators, the author proposes the use of neural network method to identify the current state of development of a digitized enterprise standard model in order to establish the level of balanced development and narrow problems finding solutions to eliminate them or minimize the impact on balanced development. The proposed architecture of the neural network, the input layer of which enters the vector x, which is a set of i indicators, characterizing the groups of indicators xn of the studied enterprise passing through the synapse. The hidden layer forms a feature vector y whose size is greater than the number of input indicators L > i. The output layer contains n outputs that show the level of balanced development of the enterprise according to the scale () and the presence of problem areas that require regulation. The neural network model is presented based on a class of classification networks using the multilayer perceptron architecture.
Keywords: digitalization; ICT; neural networks; neural network architecture; digitized enterprise; balanced development.
References
1. McCalloch, W.S. and Pitts, W. (1943), "A logical calculus of the ideas immanent in nervous activity", Bull. Math. Biophys, vol. 5, pp. 115—133, available at: http://raai.org/library/books/mcculloch/mcculloch.pdf (Accessed 6 Feb 2020).
2. Ajvazjan, S.A. Enjukov, I.S. and Meshalkin, L.D. (1985), Prikladnaja statistika: issledovanie zavisimostej [Applied Statistics: Dependency Research], Finansy i statistika, Moscow, Russia.
3. Hadley, G. (1964), Nonlinear and Dynamic Programming, Addison-Wesley, Massachussetts, USA.
4. Zaencev, I.V. (2006), "Neural networks: basic models", available at: http://masters.donntu.org/2006/fvti/lazebnik/library/art11.htm. (Accessed 6 Feb 2020).
5. Kenin, A.M. Mazurov, V.D. and Pervushin, D.R. (1999), "Experience in the use of neural networks in economic problems", available at: http://web.archive.org/web/20130402025015/http://www.uralstars.com/Docs/Editor/Neuro.htm (Accessed 6 Feb 2020).
6. Bogdanova, T.K. Shevgunov, T.Ja. and Uvarova, O.M. (2013), " Training of neuroemulators using pseudo-regulation for the neurocontrol method with a reference model ", Biznes-informatika, vol. 2 (24), pp. 40—48.
7. Debunov, L.N. (2017), "The use of artificial neural networks in modeling the financial stability of an enterprise", Bіznes Іnform, vol. 9, pp. 112-119, available at: http://nbuv.gov.ua/UJRN/binf_2017_9_20 (Accessed 6 Feb 2020).
8. Kozlov, V.N. (2017), "Artificial neural networks in the modeling of collective consciousness", Nauchno-issledovatel'skie publikacii, vol. 4, pp. 42—47.
9. Kurnikov, D.S. and Petrov, S.A. (2017), "Use of neural networks in the economy", Juvenis scientia, vol. 6, pp. 10—12.
10. Shvydaneko, H.O. and Oleksiuk, O.I. (2007), "Current state of enterprise. Scientific Notes of Ternopil National Pedagogical University", Naukovі zapiski Ternopіl's'kogo nacіonal'nogo pedagogіchnogo unіversitetu, vol. 21, pp. 144—149.
11. Reshetniak, T.V. (2007), "Modeling of tendencies of change of stability of financial state of the enterprise", Naukovi zapysky Ternopil's'koho natsional'noho pedahohichnoho universytetu, vol. 21, pp. 144—149.
12. Yelysieieva, O.K. and Reshetniak, T.V. (2017), Metody ta modeli otsinky i prohnozuvannia finansovoho stanu pidpryiemstv [Methods and models of estimation and forecasting of financial state of enterprises], DDMA, Kramators'k, Ukraine.
13. Chernodub, A.N. (2012), "Training of neuroemulators using pseudo-regulation for the neurocontrol method with a reference model", Iskusstvennyj Intellekt, vol, pp. 602—614.
№ 4 2020, стор. 11 - 17
Рубрика: Економіка
Дата публікації: 2020-02-28
Кількість переглядів: 784
