ОСОБЛИВОСТІ ЗАСТОСУВАННЯ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ ПРИ ІНТЕЛЕКТУАЛЬНОМУ АНАЛІЗІ ДАНИХ НА ПІДПРИЄМСТВІ - Научное сообщество
Главная
UA RU EN

Вас приветствует Интернет конференция!

Приветствуйем на нашем сайте

Рік заснування видання - 2014

ОСОБЛИВОСТІ ЗАСТОСУВАННЯ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ ПРИ ІНТЕЛЕКТУАЛЬНОМУ АНАЛІЗІ ДАНИХ НА ПІДПРИЄМСТВІ

20.11.2018 19:12

[Секция 4. Бухгалтерский учет, анализ и аудит]

Автор: Гудим Ірина Анатоліївна, магістрант кафедри бухгалтерського обліку, Університет державної фіскальної служби України


Серед українських підприємств системи інтелектуального аналізу даних набувають широкого впровадження. Великі вітчизняні компанії частіше відмовляються від використання предметно-орієнтовних аналітичних систем та статистичних пакетів за для прийняття більш ефективних рішень в ході діяльності бізнесу.

Причиною застосування нейронних мереж у процесі бухгалтерського обліку є не просто необхідність простих та універсальних, але й потужних інструментів, здатних впоратись із складністю деяких процесів. Традиційні інструменти для засвоєння знань здаються непривабливими у багатьох фінансових аспектах. 

Проблемами нейронних мереж займалися такі зарубіжні науковці, як Джон фон Нейман, Марсіан Хофф, Френк Розенблатт та ін. Серед сучасних вітчизняних  науковців варто виділити П.В. Акулова та С. Осовського. Так, зокрема, в сферу діяльності П.В. Акулова входять питання вирішення задач за допомогою нейронних мереж [2]. Станіслав Осовський займається дослідженнями нейронних мереж у сфері обробки інформації [3].

В останні кілька років багато дослідників використовували нейронні мережі для аналізу традиційних проблем класифікації та прогнозування бухгалтерського обліку. Незважаючи на всі дослідження, досі відсутні загальні рекомендації щодо основних методик застосування нейронних мереж.

Із розвитком елементної бази електронно-обчислювальних машин стало можливим запровадження апаратної реалізації шляхом створення нейрокомп’ютерів, що для реалізації моделей нейронних мереж подають сукупність апаратних та програмних засобів. Сучасні технології досягли тієї межі, коли стало можливим виготовлення технічної системи з 3.4 млрд. нейронів (саме така кількість їх в мозку людини). Проте їх з’єднання продовжує залишатися проблемою [1].

Пріоритетними напрямками застосування даного методу під час обліку на підприємстві є:

1) обробка і аналіз зображень;

2) розпізнавання мови незалежно від диктора;

3) обробка високошвидкісних цифрових потоків;

4) автоматизована система швидкого пошуку інформації;

5) класифікація інформації в реальному масштабі часу;

6) планування, застосування сил і засобів у великих масштабах;

7) вирішення трудомістких задач оптимізації;

8) адаптивне управління і передбачення [4].

Корисним є застосування методики самоорганізованих мап шаблонів, яка може бути кроком до подолання розриву між неперервними та стохастичними даними, такими як бухгалтерські звіти та експертні системи на базі символів. Інформація, отримана за допомогою цього методу, може бути подана у більш загальні експертні системи разом з іншими джерелами знань. Наприклад, деякі розроблені інструменти можуть охоплювати кожну особливість: ліквідність, оборотність капіталу тощо [1]. 

Розробники нейронних мереж на підприємствах загалом розглядають внутрішні розробки своїх систем як приватну інформацію, що дає їм конкурентну перевагу. Таким чином, вони, найчастіше, не повинні розкривати інформацію про ці системи. Той факт, що система використовується у комерційному застосуванні, дає деяке уявлення про ті види завдань та доменів, для яких, ймовірно, будуть використовуватися Інтернет-ресурси. На жаль, відсутність деталей на внутрішній структурі системи перешкоджає використанню опублікованої інформації про ці системи, щоб допомогти відповісти на відкриті дослідження питання про кращу структуру для мереж бухгалтерського обліку та фінансів.

Недолік нейронних мереж полягає в тому, що розробникам та і користувачам безпосередньо недоступно те, що відбувається всередині мережі. Нейронне моделювання включає розрахунки входів та виходів, які зіставляються один з одним. Відсутня можливість детально і поетапно простежити те, як отримані на виході значення були розраховані. Цей режим виконання обчислень в «чорному ящику» надзвичайно ускладнює процес інтерпретації результатів і модифікації мережі - неясно, що в ній потрібно змінити, щоб стало точніше.

Отже, виявлені за допомогою нейронного моделювання в сирих даних раніше невідомих, нетривіальних, фактично корисних і доступних інтерпретації знань, є необхідними для прийняття рішень у різних структурних підрозділах підприємства. Однак, нелінійні характеристики мереж роблять їх перспективною альтернативою традиційним лінійним та параметричним методам. Виклик, з яким стикаються дослідники нейронних мереж, полягає в тому, що немає формальних теорій для визначення, апріорі, оптимальної моделі мережі.

Література:

1. Хайкін С. Нейронні мережі, повний курс [Текст] / Саймон Хайкін. – 2-е в-цтво., перед. – М. : Вільямс, 2008. - 1103 с. 

2. Акулов П.В. Розв’язок задач прогнозування за допомогою нейронних  мереж / Акулов Павло Володимирович. URL: www.dgtu.donetsk.ua

3. Осовський С. Нейронні мережі для обробки інформації / Станіслав Осовський. Пер. с польського І.Д. Рудинського. – М.: Фінанси і статистика, 2002. - 344 с.

4. Боровіков В.П. Нейронні мережі. STATISTICA Neural Networks: Методологія та технології сучасного аналізу даних / Під редакцією В. П. Боровікова. - 2-ге в-цтво, пеопрац. і доп. - М.: Гаряча лінія - Телеком, 2008. - 392 c. 

__________________________

Науковий керівник: Титенко Лариса Василівна, кандидат економічних наук, доцент, доцент кафедри управлінського обліку, бізнес-аналітики та статистики, Університет державної фіскальної служби України

Creative Commons Attribution Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License
допомога Знайшли помилку? Виділіть помилковий текст мишкою і натисніть Ctrl + Enter

Другие научные работы даной секции

Конференции

Конференции 2024

Конференции 2023

Конференции 2022

Конференции 2021

Конференции 2020

Конференции 2019

Конференции 2018

Конференции 2017

Конференции 2016

Конференции 2015

Конференции 2014

:: LEX-LINE :: Юридична лінія

Міжнародна інтернет-конференція з економіки, інформаційних систем і технологій, психології та педагогіки

Наукові конференції

Економіко-правові дискусії. Спільнота