Browsing by Author "Mints, Oleksii"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
Item Моделювання інноваційних інтелектуальних систем прийняття рішень в економіці(ДВНЗ «Київський національний економічний університет імені Вадима Гетьмана», 2017) Лисенко, Юрій Г.; Lysenko, Yurii; Лысенко, Юрий Г.; Мінц, Олексій Ю.; Mints, Oleksii; Минц, Алексей Ю.У статті систематизовано та розширено теоретико-методологічні засади процесів синтезу інноваційних інтелектуальних систем прийняття рішень. Визначено концептуальні підходи до застосування методів інтелектуальних обчислень для моделювання систем прийняття рішень. Запропоновано класифікацію методів інтелектуальних обчислень і класифікацію задач з аналізу та обробки даних. Розглянуто методологічні підходи до реалізації процесів спостереження, моделювання, ідентифікації та оцінки ефективності результатів моделювання інноваційних інтелектуальних систем прийняття рішень в економіці. Предметом дослідження є методологія моделювання інноваційних інтелектуальних систем прийняття рішень в економіці. Метою дослідження є формалізація процесів синтезу інноваційних інтелектуальних систем прийняття рішень для підвищення ефективності функціонування суб’єктів економічної діяльності. Результати дослідження дозволяють підвищити ефективність роботи із слабко структурованою інформацією, а також якість прийняття управлінських рішень в умовах невизначеності.Item Нейромережеві методи прогнозування надійності українських банків(ДВНЗ «Київський національний економічний університет імені Вадима Гетьмана», 2018) Мінц, Олексій Ю.; Mints, Oleksii; Минц, Алексей Ю.У статті запропоновано підхід до аналізу надійності комерційних банків із застосуванням багатошарових нейронних мереж і карт Кохонена та проведено їх апробацію на прикладі банківської системи України з 2014 по 2018 роки з розбивкою на 3 періоди. У результаті експериментального дослідження отримано пропозиції щодо ефективніших варіантів архітектури нейронних мереж. Виявлено, що розв’язання задачі оцінки надійності банків у постановці кластеризації дає кращій результат, ніж у постановці класифікації. Експериментально обґрунтовано висновок, що швидка зміна умов функціонування сучасної банківської системи робить неефективним використання аналітичних моделей із жорстко заданими коефіцієнтами. Результати дослідження мають практичне значення та можуть використовуватися при визначенні потенційних партнерів у банківському секторі економіці. The article proposes an approach to analyzing the reliability of commercial banks using multilayer neural networks and Kohonen self‐organizing maps, and also conducted their approbation on the example of the Ukrainian banking system from 2014 to 2018 with breakdown into 3 periods. Based on the experiments, the best variants of the architecture of neural networks are revealed. It is found that solving the problem of assessing the reliability of commercial banks in the clustering formulation gives a better result than in the classification formulation. The conclusion that a rapid change in the conditions of functioning of a modern banking system makes inefficient the use of analytical models with rigidly prescribed coefficients is experimentally substantiated. The results of the research are of practical importance and can be used to identify potential partners in the banking sector of the economy. В статье предложен подход к анализу надежности коммерческих банков с применением многослойных нейронных сетей и карт Кохонена, а также проведена их апробация на примере банковской системы Украины с 2014 по 2018 годы с разбивкой на 3 периода. В результате экспериментального исследования получены рекомендации касательно более эффективных вариантов архитектуры нейронных сетей. Обнаружено, что решение задачи оценки надежности коммерческих банков в постановке кластеризации дает лучший результат, чем в постановке классификации. Экспериментально обоснован вывод о том, что быстрая смена условий функционирования современной банковской системы делает неэффективным использование аналитических моделей с жестко заданными коэффициентами. Результаты исследования имеют практическое значение и могут использоваться при определении потенциальных партнеров в банковском секторе экономике.