Показати скорочену інформацію

dc.contributor.authorСеменов, О. М.uk
dc.contributor.authorКолесницький, О. К.uk
dc.date.accessioned2024-03-26T13:57:37Z
dc.date.available2024-03-26T13:57:37Z
dc.date.issued2023
dc.identifier.citationСеменов О. М. Аналіз інтелектуальних методів для прогнозування рентабельності підприємства [Електронний ресурс] / О. М. Семенов, О. К. Колесницький // Матеріали LIІ науково-технічної конференції підрозділів ВНТУ, Вінниця, 21-23 червня 2023 р. – Електрон. текст. дані. – 2023. – Режим доступу: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2023/paper/view/18513.uk
dc.identifier.urihttp://ir.lib.vntu.edu.ua//handle/123456789/41014
dc.description.abstractВ роботі проаналізовано інтелектуальні методи прогнозування. В процесі дослідження були враховані різні інтелектуальні методи, включаючи глибинний аналіз, програмні агенти, генетичні алгоритми та нейронні мережі . Визначено переваги та недоліки цих методів та вибрано оптимальний метод для розв’язку задачі прогнозування рентабельності підприємства.uk
dc.description.abstractThe paper analyzes intelligent forecasting methods. Various intelligent methods were considered in the research, including data mining, software agents, genetic algorithms, and neural networks. The advantages and disadvantages of these methods were identified, and the optimal method for solving the problem of forecasting a company's profitability was selected.en
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofМатеріали LIІ науково-технічної конференції підрозділів ВНТУ, Вінниця, 21-23 червня 2023 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2023/paper/view/18513
dc.subjectметоди прогнозуванняuk
dc.subjectрентабельністьuk
dc.subjectнейронні мережіuk
dc.subjectforecasting methodsuk
dc.subjectprofitabilityuk
dc.subjectneural networksuk
dc.titleАналіз інтелектуальних методів для прогнозування рентабельності підприємстваuk
dc.typeThesis
dc.identifier.udc004.8
dc.relation.referencesHendry D., Clements M., Castle J. Forecasting: An Essential Introduction. Yale University Press, 2019. 240 p.
dc.relation.references. . : . . , 2016. 183 .
dc.relation.referencesHyndman R. J., Athanasopoulos G. Forecasting: Principles and Practice. OTexts, 2021. 291 p. 4. Binu D., Rajakumar B. R. Artificial Intelligence in Data Mining: Theories and Applications. Elsevier Science & Technology Books, 2021. 270 p.
dc.relation.referencesZwingmann T. AI-Powered Business Intelligence. O'Reilly Media, Incorporated, 2022. 389 p.
dc.relation.referencesSadik D. Artificial Neural Networks. Scitus Academics LLC, 2017. 316 p. . .


Файли в цьому документі

Thumbnail

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію