МОДЕЛЮВАННЯ СХОВИЩА ДАНИХ ШТУЧНОЇ НЕЙРОННОЇ МЕРЕЖІ УПРАВЛІННЯ БІЗНЕСОМ

Світлана Рзаєва; Дмитро Рзаєв; Андрій Роскладка; Володимир Гамалій

doi:10.28925/2663-4023.2023.20.111123

Автор(и)

Світлана Рзаєва Державний торговельно-економічний університет https://orcid.org/0000-0002-7589-2045
Дмитро Рзаєв Київський національний економічний університет імені Вадима Гетьмана https://orcid.org/0000-0002-7149-4971
Андрій Роскладка Державний торговельно-економічний університет https://orcid.org/0000-0002-1297-377X
Володимир Гамалій Державний торговельно-економічний університет https://orcid.org/0000-0001-7544-7470

DOI:

https://doi.org/10.28925/2663-4023.2023.20.111123

Анотація

У даній публікації досліджується проблема моделювання сховища даних з використанням штучних нейронних мереж. Таке сховище дозволяє збирати, зберігати та аналізувати дані, що сприяє прийняттю обґрунтованих рішень і підтримці конкурентоспроможності. Використання TensorFlow як бази для сховища даних надає додаткові можливості для обробки інформаційних даних управління бізнесом з різних джерел, включаючи бази даних, інтернет-ресурси, датчики тощо. Ці дані можна зберігати у вигляді таблиць або файлів і подальше обробляти для тренування моделі. Особливість запропонованої моделі полягає в наявності одного прихованого шару з 10 нейронами та використанні функції активації ReLU. Для покращення точності моделі використовуються функція втрат MSE та оптимізатор Adam, що дозволяє змінювати ваги мережі. Після тренування, модель може оцінювати точність на тестових даних та робити прогнози на майбутній період. Введення нових даних дозволяє моделі робити передбачення, які можна оцінити за допомогою різних метрик, в залежності від цілей використання.

Завантаження

Дані завантаження ще не доступні.

Посилання

Bhatnagar, R., Chawla, M., Jha, P. (2018). Artificial Neural Networks in Business: Two Decades of Research. Journal of Business Research, 88, 443-462.

Cao, Q., Wei, X., Liang, Y., Huang, J. (2019). Using Neural Networks for Sales Forecasting: An Empirical Analysis. Journal of Business Research, 99, 375-385.

Lukash, M., Burkowska, I. (2017). Using artificial neural networks for sales forecasting in retail business. Economics and Business, 32(1), 81-89. https://doi.org/10.1515/eb-2017-0007

Gupta, M., Bhatia, S. (2018). Intelligent Decision Support System for Business Performance Analysis. Journal of Intelligent & Fuzzy Systems, 34(4), 2543-2554.

Chubaievskyi, V., Lakhno, V. ., Akhmetov, B. ., Kryvoruchko, O., Kasatkin, D., Desiatko, A., Litovchenko, T. (2021). OPTIMIZATION OF EQUIPMENT RESERVE FOR INTELLECTUAL AUTOMATED SYSTEMS. Electronic Professional Scientific Edition «Cybersecurity: Education, Science, Technique», 2(14), 87–99. https://doi.org/10.28925/2663-4023.2021.14.8799

Bebeshko, B., Khorolska, K., Desiatko, A. (2021). Analysis and Modeling of Price Changes on the Exchange Market Based on Structural Market Data. In 2021 IEEE 8th International Conference on Problems of Infocommunications, Science and Technology (PIC S&T). IEEE. https://doi.org/10.1109/picst54195.2021.9772208.

Bebeshko, B. (2023). ARTIFICIAL NEURAL NETWORK TRAINING BASED ON PERFORMANCE AND RISKS ASSESSMENT DATA OF THE INVESTMENT IN DIGITAL ASSETS. Electronic Professional Scientific Edition «Cybersecurity: Education, Science, Technique», 3(19), 135–145. https://doi.org/10.28925/2663-4023.2023.19.135145

Lakhno, V., Akhmetov, B., Ydyryshbayeva, M., Bebeshko, B., Desiatko, A., Khorolska, K. (2021). Models for Forming Knowledge Databases for Decision Support Systems for Recognizing Cyberattacks. In Advances in Intelligent Systems and Computing (p. 463–475). Springer International Publishing. https://doi.org/10.1007/978-3-030-68154-8_42

Bebeshko, B., Khorolska, K., Kotenko, N., Kharchenko, O., Zhyrova, T. (2021). Use of neural networks for predicting cyberattacks. Paper presented at the CEUR Workshop Proceedings, 2923, 213-223. http://ceur-ws.org/Vol-2923/paper23.pdf

Lakhno, V., Kasatkin, D., Desiatko, A., Chubaievskyi, V., Tsuitsuira, S., Tsuitsuira, M. (2022). Indicators Systematization of Unauthorized Access to Corporate Information. In Intelligent Communication Technologies and Virtual Mobile Networks (p. 569–580). Springer Nature Singapore. https://doi.org/10.1007/978-981-19-1844-5_44

Lakhno, V., Akhmetov, B., Smirnov, O., Chubaievskyi, V., Khorolska, K., Bebeshko, B. (2022). Selection of a Rational Composition of İnformation Protection Means Using a Genetic Algorithm. In Intelligent Communication Technologies and Virtual Mobile Networks (p. 21–34). Springer Nature Singapore. https://doi.org/10.1007/978-981-19-1844-5_2