Raamatute tarne kogu Euroopas
Нейросетевые и нечеткие методы моделирования диагностики и прогнозир. Риска
Raamat riiulist
Kirjeldus
Монография посвящена общим принципам совершенствования нейросетевых методов моделирования диагностики и прогнозирования вероятности риска банкротств корпораций применительно к сложным условиям моделирования: неполноты, неточности и неопределённости в данных. Впервые рассмотрены вопросы байесовской регуляризации нейросетевых моделей в условиях отсутствия априорных сведений о виде закона распределения шумов в данных, оценки адекватности нейросетевых моделей на основе последовательного принципа Вальда, оптимального выбора системы показателей для спецификации нейросетевой модели, сокращения размерности факторного пространства, предобработки данных, агрегирования комплексных количественных и качественных показателей для их введения в нейросетевую модель с помощью нечетких методов. Разработан на основе системных методов кибернетики концептуальный базис нейросетевого моделирования, на основе которого предложено 6 оригинальных методов построения нейросетевых моделей банкротств и мониторинга финансового состояния корпораций в задачах обеспечения их экономической безопасности. Центральным методом из них является нейросетевой логистический динамический метод с непрерывным временем, позволяющий получать прогноз для любого момента времени в пределах действия кредитного договора. Теоретические положения подробно иллюстрируются на ряде прикладных задач. Материал книги на 90% оригинален и обобщает опыт многолетних исследований авторов по указанной проблематике. Монография предназначена для студентов, магистрантов и преподавателей широкого круга специальностей информационного и экономического профиля вузов, а также научных работников, проявляющих интерес к проблемам нейросетевого моделирования в сфере экономики в условиях высокой неопределенности.Toode ID
1474507
Autor
Kirjastaja
Aasta
2018
ISBN
978-5-907003-09-5
Kood
8672748
Kaal
0.53
Vorming
60х84/16
Köitmine
твердый
Kättesaadavus
Laos
Pakendi suurus
XS