Штучні нейронні мережі для моделювання антикризового управління національною економікою

Н.Я. Савка, канд. техн. наук
Тернопільський національний економічний університет
(Україна, 46003, Тернопіль, вул. Чехова, 8,
тел. +38 (0352) 52 45 13; e-mail: Ця електронна адреса захищена від спам-ботів. Вам необхідно увімкнути JavaScript, щоб побачити її.)

Èlektron. model. 2019, 42(2):109-120
https://doi.org/10.15407/emodel.42.02.109

АНОТАЦІЯ

Проаналізовано штучні нейронні мережі з радіально-базисними функціями як найбільш ефективні для моделювання процесів з глибокою нестабільністю. Описано алгоритм налаштування параметрів штучних нейронних мереж радіального типу. Визначено пріо­ритети антикризового управління національною економікою. Розроблено оптимальну архітектуру штучних нейронних мереж, базисні функції яких є радіальними, для моделю­вання системи атикризового управління національною економікою. Наведено результа­ти моделювання атикризового управління на основі розробленої архітектури штучної нейронної мережі. Досліджено ефективність застосування штучних нейронних мереж ра­діального типу для попередження кризових явищ.

КЛЮЧОВІ СЛОВА:

штучні нейронні мережі, радіально-базисні функції, антикризове управління, моделювання.

СПИСОК ЛІТЕРАТУРИ

  1. Малий І., Радіонова І., Ємельяненко Л. та ін. Антикризове управління національною економікою. За заг. ред. І. Малого. Київ: КНЕУ, 2017, 368 с.
  2. Клебанова Т. С., Димченко О. В., Рудаченко О. О., Гвоздицький В. С. Нейромережеві моделі оцінки фінансових криз на підприємствах корпоративного типу. Харків: ХНУМГ ім. О. М. Бекетова, 2018, 171 с.
  3. Клебанова Т. С., Грачев В. И., Раевнева Е. В. И др. Механизмы и модели управления кризисными ситуациями. Под ред. Т. С. Клебановой. Харьков: ИД «ИНЖЭК», 2007, 200 с.
  4. Іванець О.Б., Букрєєва О. В., Дворнік М. В. Побудова моделей прогнозування за допомогою штучних нейронних мереж // Електроніка та системи управління, 2011, №4(30), с. 139—142.
  5. Бoдянcкий E. В., Рудeнкo Г. Иcкуccтвeнныe нeйрoнныe ceти: архитeктуры, oбучeниe, примeнeния. Харькoв: ТEЛEТEХ, 2004, 372 c.
  6. Калініна І.О. Дослідження алгоритмів навчання нейронних мереж у задачах прогнозування // Наукові праці, 2009, 117, вип. 104, с. 160—171.
  7. Nelles O. Nonlinear Systems Identification. Berlin: Springer, 2001, 785 p.
  8. Савка Н.Я., Спільчук В.М., Співак І.Я. Проблеми ідентифікації штучних нейронних мереж з радіально-базисними функціями та можливі напрямки їх розв’язання // Зб. наук. праць «Індуктивне моделювання складних систем». Київ: МННЦІТС, 2010, вип. 2, с. 181—193.
  9. Штовба С. Д. Введение в теорию нечетких множеств и нечеткую логику. Вeб-cайт. URL: http://matlab.exponenta.ru/fuzzylogic/book1/index.php (дата звернення 19.02.2020).
  10. Dyvak М., Maslyiak Y., Papa O., Savka N. Clustering and interval analysis of heterogeneous data sample // The Proc. of 12th International Scientific and Technical Conference on Computer Sciences and Information Technologies (CSIT). Conf. Proc., 2017, с. 528-532.

САВКА Надія Ярославівна, канд. техн. наук, ст. викладач кафедри комп’ютерної інже­нерії Тернопільського національного економічного університету. У 2006 р. закін­чила Тернопільський державний економічний університет. Область наукових дослід­жень — системний аналіз, математичне моделювання, штучні нейронні мережі.

Повний текст: PDF