ВЫБОР НЕЙРОННОЙ СЕТИ ДЛЯ ПРОГНОЗИРОВАНИЯ

ВЫБОР НЕЙРОННОЙ СЕТИ ДЛЯ ПРОГНОЗИРОВАНИЯ ПРИБЫЛИ
ПРЕДПРИЯТИЯ
Макаров Станислав Евгеньевич
студент 3 курса СФ УГНТУ, РФ, г. Салават
E-mail: ue54@yandex.ru
Сорокин Игорь Валерьевич
студент 3 курса СФ УГНТУ, РФ, г. Салават
E-mail: back-in-the-game@yandex.ru
Родионов Артем Сергеевич
ст. преподаватель кафедры общенаучных дисциплин СФ УГНТУ, РФ,
г. Салават
E-mail: artrodionov@mail.ru
CHOICE OF NEURAL NETWORK FOR PREDICTION OF PROFIT
ORGANIZATIONS
Makarov Stanislav Evgenevich
3rd year student of the SF UGNTU, Russia, Salavat
Sorokin Igor Valerevich
3rd year student of the SF UGNTU, Russia, Salavat
Rodionov Artem Sergeevich
senior Lecturer of scientific disciplines chair SF UGNTU, Russia, Salavat
АННОТАЦИЯ
В
данной
статье
рассматривается
выбор
нейронной
сети
для
прогнозирования прибыли предприятия по ряду критериев. Разработан
специальный алгоритм выбора нейронной сети. Для осуществления этого
выбора разработана программа, которая на основе продукционной модели
ранжирует нейронные сети в порядке предпочтения.
ABSTRACT
This article discusses the selection of the neural network to predict the profits of
the enterprise on a number of criteria. Was developed specific selection algorithm
neural network. To accomplish this, select the program was developed, which based
on the production model ranks the neural networks in order of preference.
Ключевые слова: нейронная сеть; прибыль; сети Ворда; Элмана;
Хопфилда; Кохонена; Джордона; Хемминга; самообучаемость; продукционные
правила; алгоритм.
Keywords: neural network; profit; net Ward; Elman; Hopfield; Kohonen;
Jordon; Hamming; self-learning; production rules; algorithm.
Сегодня нейронные сети имеют широкое применение в различных
областях, таких как промышленность, банковское дело и страхование,
образование, военное дело, медицина, информационная безопасность и т. д.
Таким образом, специалисты этих областей сталкиваются с проблемой выбора
нейронной сети, наиболее способствующей выполнению спектра задач,
поставленных перед ними. Данная экспертная система позволит специалисту
бухгалтерского или финансового отдела предприятия выбрать нейронную сеть
на основании тех критериев, которые он отметит.
В ходе исследования нейронных сетей была разработана и реализована
программа выбора нейронной сети для прогнозирования прибыли предприятия
по определенным критериям:
 глубокий анализ поступления денежных средств;
 интеграция данных;
 коэффициент Левереджа;
 коэффициент качественной ликвидности;
 глубокий анализ рентабельности;
 самообучаемость.
Каждая нейронная сеть экспертной системы эффективна в выполнении
определенного списка задач. В соответствии с этим построены продукционные
правила, которые производят ранжирование нейронных сетей в порядке
предпочтения. При построении продукционных правил отобраны наиболее
используемые на сегодняшний день нейронные сети [2, c. 12], [1, c. 15].
Программный продукт создан с использованием среды разработки
Embarcadero XE.
Стартовое окно программы представлено на рисунке 1.
Рисунок 1. Стартовое окно
Пользователь в процессе выбора нейронной сети отмечает пункты,
которые посчитает наиболее важными. Отбор предпочтительной нейронной
сети производится в соответствии с продукционными правилами:
Если отмечен пункт «Глубокий анализ поступления денежных средств», то
переменные сетей Хопфилда, Джордана увеличиваются на 1.
Если отмечен пункт «Глубокий анализ рентабельности», то переменные
сетей Элмана, Ворда, Кохонена увеличиваются на 1.
Если отмечен пункт «Интеграция данных», то переменная сети Элмана,
Хэмминга увеличивается на 1.
Если отмечен пункт «Самообучаемость», то переменная сети Кохонена
увеличивается на 1.
Если отмечен пункт «Коэффициент Левереджа», то переменные сетей
Ворда, Джордана, Хэмминга увеличиваются на 1.
Если отмечен пункт «Коэффициент качественной ликвидности», то
переменные сетей Хопфилда, Джордана увеличиваются на 1.
После прохождения пользователем опроса значения всех переменных
складываются и подсчитывается процент каждой переменной от суммы. Эти
проценты и будут являться коэффициентами уверенности, которая система
представит в окне результата, которое представлено на рисунке 2.
Рисунок 2. Результат
Вывод: на сегодняшний день нейронные сети становятся все более
востребованными и актуальными, а значит стоит проблема выбора нейронной
сети. В ходе работы была создана программа для выбора нейронной сети для
прогнозирования прибыли предприятия по экономическим критериям. Были
составлены продукционные правила, разработан алгоритм ранжирования
нейронных сетей в порядке предпочтения согласно критериям, которые будут
указаны пользователем. Таким образом, разработанная программа позволит
сократить время при выборе нейронной сети для прогнозирования прибыли
предприятия и в целом облегчить этот выбор.
Список литературы:
1.
Горденко Д.В.,
Горденко Н.В.
Нейронная
сеть
Хэмминга
для
преобразования модулярного кода в позиционный//Исследования в
области естественных наук. — 2013. — № 11. [Электронный ресурс]. —
Режим доступа. — URL: http://elibrary.ru/item.asp?id=20918909
2.
Манжула В.Г., Федяшов Д.С. Нейронные сети Кохонена и нечеткие
нейронные сети в интеллектуальном анализе данных //Фундаментальные
исследования. — 2011. — № 4. [Электронный ресурс]. — Режим доступа.
— URL: http://elibrary.ru/item.asp?id=15594769