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: 

Родионов  Артем  Сергеевич

ст.  преподаватель  кафедры  общенаучных  дисциплин  СФ  УГНТУ,  РФ,  г.  Салават

E-mail: 

CHOICE  OF  NEURAL  NETWORK  FOR  PREDICTION  OF  PROFIT  ORGANIZATIONS

Makarov  Stanislav

3rd  year  student  of  the  SF  UGNTU,  Russia,  Salavat

Sorokin  Igor

3rd  year  student  of  the  SF  UGNTU,  Russia,  Salavat

Rodionov  Artem

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