Кафедри
Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/35393
Переглянути
3 результатів
Результати пошуку
Публікація Особливості використання маркетингових нейротехнологій у соціальних мережах(2024) Мащенко, Марина Анатоліївна; Момотков, Ігор Сергійович; Гудименко, Вячеслав ПавловичПублікація Вимоги до сучасної системи управління запасами підприємства(Полтавський державний аграрний університет, 2024) Мащенко, Марина Анатоліївна; Гудименко, Вячеслав Павлович; Момотков, Ігор СергійовичПублікація Нейромережеві прогностичні технології класифікації криз та оцінки банкрутства суб’єктів торговельної галузі(ФОП Лібуркіна Л. М., 2024) Білоцерківський, Олександр Борисович; Момотков, Ігор Сергійович; Гудименко, Вячеслав ПавловичВійна в Україні призвела до значного зростання кількості банкрутств підприємств. Своєчасна оцінка ризику банкрутства є критично важливою для прийняття ефективних управлінських рішень. Метою дослідження є розробка адаптивної моделі оцінки схильності підприємства до банкрутства на основі нечітких нейронних мереж з урахуванням специфіки українського ринку в умовах воєнного часу. Для досягнення мети було здійснено декілька етапів: формування вибірки підприємств торговельної галузі; визначення класів кризи за допомогою кластерного аналізу; побудова нечіткої нейронної мережі з використанням пакета Fuzzy Logic Toolbox в MATLAB; навчання мережі на історичних даних і тестування на нових даних. На першому етапі формується вибірка підприємств, за допомогою якої проводитиметься навчання моделі. На другому етапі формуються класи кризи (загрози банкрутства). На третьому етапі за допомогою апарата нечітких нейронних мереж формується функція належності з певним набором параметрів. За допомогою цієї функції можна віднести те чи інше підприємство з певним ступенем належності до одного з класів кризи, сформованих на попередньому етапі. Четвертий етап є перевіркою адекватності отриманої моделі та можливості її практичного використання. На п’ятому етапі проводиться практична реалізація моделі: за допомогою функції належності визначається схильність досліджуваного підприємства до банкрутства, тобто в якому ступені досліджуване підприємство належить до того чи іншого класу кризи. У результаті застосування запропонованого алгоритму було побудовано нечітку нейронну мережу, яка використовувала фінансові показники українських підприємств. Для навчання моделі застосовувався набір даних, що включав 12 підприємств торговельної галузі. Розроблена модель дозволяє з високою точністю класифікувати підприємства за рівнем фінансової стійкості. Було показано, що нечіткі нейронні мережі є ефективним інструментом для прогнозування банкрутства в умовах невизначеності. Використання нечітких нейронних мереж дозволило врахувати невизначеність та адаптуватися до змін зовнішнього середовища. Отримані результати свідчать про перспективність використання нечітких нейронних мереж для оцінки фінансової стійкості підприємств. Розроблена модель може бути використана як інструмент для раннього виявлення ознак кризи та прийняття своєчасних управлінських рішень.