Dinamicheskie neĭrosetevye modeli bankrotstv korporat︠s︡iĭ pri nepolnykh dannykh
Monografii︠a︡
Année de publication
2020
Circulation
500 exemplaires
$24
Ajouter à
Ajouter à
Монография посвящена сложной и практически неисследованной проблеме нейросетевого моделирования развития процессов банкротств корпораций в динамике. Сложность этих моделей вытекает из специфической неполноты данных, обусловленных юридическими причинами, и сильной зашумленности данных. Предложен метод оптимизации структуры нейросети в комбинации с её байесовской регуляризацией, а также алгоритм компрессии переменных на основе обобщенной функции желательности Харрингтона. Разработан на основе общесистемных законов концептуальный базис нейросетевого моделирования и реализующий его нейросетевой логистический динамический метод, который восстанавливает неполные данные в ходе решения задачи аппроксимации зависимости «вход-выход». Впервые рассмотрены гибридные нейросетевые модели неправомерных банкротств юридических лиц. Выдвинутые теоретические идеи подробно иллюстрируются прикладными задачами и обосновываются вычислительными экспериментами на реальных данных. Материал монографии на 90% оригинален, обобщает и развивает методы нейросетевого моделирования банкротств из прежних книг авторов.
