Оптимізація транспортних задач за допомогою нейронних мереж

Simple item page
dc.contributor.authorГладка, Юлія Анатоліївна
dc.contributor.authorHladka, Yuliia
dc.contributor.authorОстапенко, Вероніка О.
dc.contributor.authorOstapenko, Veronika
dc.contributor.authorЧугаєва, Олена Володимирівна
dc.contributor.authorChuhaieva, Olena
dc.date.accessioned2025-01-29T12:04:25Z
dc.date.available2025-01-29T12:04:25Z
dc.date.issued2023
dc.description.abstractВ 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.
dc.identifier.citationГладка Ю. А. Оптимізація транспортних задач за допомогою нейронних мереж / Гладка Ю. А., Остапенко В. О., Чугаєва О. В. // Моделювання та інформаційні системи в економіці : зб. наук. пр. / М-во освіти і науки України, Київ. нац. екон. ун-т ім. Вадима Гетьмана ; голов. ред. О. Є. Камінський. – Київ : КНЕУ, 2023. – Вип. 103. – С. 58–70.
dc.identifier.doihttp://doi.org/10.33111/mise.103.5
dc.identifier.issn2616-6437
dc.identifier.urihttps://ir.kneu.edu.ua/handle/2010/48359
dc.language.isouk
dc.publisherКиївський національний економічний університет імені Вадима Гетьмана
dc.subjectнейронна мережа
dc.subjectлогістична задача
dc.subjectтранспортна задача
dc.subjectаналіз
dc.subjectлогістичні виклики
dc.subjectефективність методів оптимізації
dc.subjectбагатошарова нейронна мережа
dc.subjectтренування нейронної мережі
dc.subjectпоправкові коефіцієнти
dc.subjectneural network
dc.subjectlogistics problem
dc.subjecttransport task
dc.subjectanalysis
dc.subjectlogistics calls
dc.subjecteffectiveness of optimization methods
dc.subjectrich-ball neural network
dc.subjectneural network training
dc.subjectcorrection coefficients
dc.subject.udc004.89
dc.titleОптимізація транспортних задач за допомогою нейронних мереж
dc.title.alternativeOptimisation of transportation problems using neural networks
dc.typeArticle
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
mod_103_5.pdf
Size:
1.26 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Кафедра системного аналізу та кібербезпеки
Випуск № 103