<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Аналіз інтелектуальних методів для прогнозування рентабельності підприємства

Вантажиться...
Ескіз

Дата

Науковий керівник

Редактор

Інші учасники

Відповідальний

ORCID

Назва журналу

Номер ISSN

Назва тому

DOI

Альтернативна назва

Анотація

В 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.
The 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.

Опис

УДК

Тип документа

Мова

ISSN

Серія, номер

ISBN

ББК

Інші ідентифікатори

Пов’язані матеріали

Спонсорська підтримка

Правовласник

Бібліографічний опис

Семенов 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.

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (6)

  1. Hendry D., Clements M., Castle J. Forecasting: An Essential Introduction. Yale University Press, 2019. 240 p.
  2. Владимир О. Економіка та організація виробництва. Тернопіль : ТНТУ ім. Ів. Пулюя, 2016. 183 с.
  3. Hyndman 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.
  5. Zwingmann T. AI-Powered Business Intelligence. O'Reilly Media, Incorporated, 2022. 389 p.
  6. Sadik D. Artificial Neural Networks. Scitus Academics LLC, 2017. 316 p