Методы машинного обучения при выборе стратегии предприятия

Кричевский М.Л.1
1 Санкт-Петербургский государственный университет аэрокосмического приборостроения

Статья в журнале

Вопросы инновационной экономики
Том 9, Номер 1 (Январь-Март 2019)

Цитировать:
Кричевский М.Л. Методы машинного обучения при выборе стратегии предприятия // Вопросы инновационной экономики. – 2019. – Том 9. – № 1. – С. 251-266. – doi: 10.18334/vinec.9.1.40093.

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=37649386

Аннотация:
Выбор стратегий предприятия особенно сложен в условиях меняющегося экономического окружения, неточности определения переменных, влияющих на действия фирмы, неполноты информации о поведении конкурентов. В такой ситуации считается предпочтительным при выборе стратегии использовать методы, входящие в состав машинного обучения. Цель исследования заключается в разработке методики выбора стратегии с помощью инструментов машинного обучения, которая должна включать способы анализа и отбора наиболее важных показателей предприятия, проверку работоспособности созданной методики на имитированных или реальных данных. В качестве предобработки данных используется метод главных компонентов. Среди инструментов машинного обучения наиболее пригодными для решения поставленной задачи являются нейронные системы. С помощью нейросетевой системы в программном комплексе Statistica реализован механизм выбора подходящей стратегии предприятия. Обученная нейронная сеть в виде персептрона позволяет по набору отобранных переменных, влияющих на стратегию, выбирать схему действий организации, которая наиболее отвечает ситуации, сложившейся на предприятии.

Ключевые слова: стратегия предприятия, машинное обучение, главные компоненты, нейросетевая система, отбор признаков, выбор стратегии

JEL-классификация: D81, С45, С65

Источники:

Ansoff I. Strategic management: Classic edition. - NY: Palgrave Macmillan, 2007. – 272 с.
Mintzberg H., Ahlstrand B., Lampel J. Strategy safari: a guided tour through the wilds of strategic management. - NY: The Free Press, 1998. – 406 с.
Портер М. Конкурентная стратегия. Методика анализа отраслей и конкурентов. - М.: Альпина Паблишер, 2019. – 454 с.
Kotter J. 2014. Accelerate: Building Strategic Agility for a Faster-Moving World. Harvard Business Review Press, pp:224
Kim P., 2017. MATLAB Deep Learning: With Machine Learning, Neural Networks and Artificial Intelligence. Seoul, Soul-t'ukpyolsi, Korea, pp:162,
Brink H., Richards J., Fetherolf M., 2017. Real-World Machine Learning. Shelter Island, Manning, pp: 427
Krishnan V. A Comparison of Principal Components Analysis and Factor Analysis for Uncovering the Early Development Instrument (EDI). Cup. [Электронный ресурс]. URL: http://www.cup.ualberta.ca/wpcontent/uploads/2013/04/ComparisonPCACUPWebsite_10April13-1.pdf ( дата обращения: 21.01.2019 ).
Haykin S. Neural Networks and Learning Machines. - NY: Pearson Education, 2009. – 937 с.
Neural Network Toolbox™. User's Guide. The MathWorks, Inc., MA, 2015. pp: 410
Kecman V., 2001. Learning and Soft Computing - Support Vector Machines, Neural Networks, and Fuzzy Logic Models. London, MIT Press. pp: 576
Jolliffe I. Principal Component Analysis. - New York: Springer, 2002. – 518 с.

Страница обновлена: 01.10.2020 в 18:52:05