2023 рік

Permanent URI for this community

https://ir.kneu.edu.ua/handle/2010/48343

Browse

Browsing 2023 рік by Author "Chuhaieva, Olena"

Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Оптимізація транспортних задач за допомогою нейронних мереж
    (Київський національний економічний університет імені Вадима Гетьмана, 2023) Гладка, Юлія Анатоліївна; Hladka, Yuliia; Остапенко, Вероніка О.; Ostapenko, Veronika; Чугаєва, Олена Володимирівна; Chuhaieva, Olena
    В сфері логістичних систем дуже мінливий характер навколишнього середовища вносить невизначеність щодо його стану. Як наслідок, виникає необхідність вдосконалення традиційних математичних інструментів. Стаття присвячена застосуванню нейронних мереж у вирішенні логістичних задач та підбору поправкових коефіцієнтів у класичних транспортних задачах. Розглянуто вплив зовнішніх факторів на логістичні процеси. Описано використання багатошарової нейронної мережі з використанням бібліотеки Keras мови програмування Python для автоматизованого підбору необхідних параметрів на основі історичних даних та стандартних розрахунків. У статті представлено структуру та параметри нейронної мережі, досліджено її ефективність. Описується процес тренування та використання мережі для прогнозування поправкових коефіцієнтів. In the field of logistics systems, the very minimal nature of the excessive middle ground will introduce insignificance to the point where I will become. As a result, there is a need to thoroughly modernize traditional mathematical tools. The article is devoted to the establishment of neural measures in major logistics problems and the selection of correction coefficients in classical transport problems. The influx of external factors on logistics processes is examined. We describe the use of a multi-ball neural network using the Keras library and Python programming for the automated selection of necessary parameters based on historical data and standard layouts. The article presents the structure and parameters of the neural network and monitors its effectiveness. The process of training and calculating measures for predicting correction coefficients is described.