Выбор источника финансирования методами машинного обучения

Мартынова Ю.А.1
1 Санкт-Петербургский государственный университет аэрокосмического приборостроения

 Скачать PDF | Загрузок: 48

Статья в журнале

Вопросы инновационной экономики (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 9, Номер 3 (Июль-Сентябрь 2019)

Цитировать эту статью:

Мартынова, Ю. А. Выбор источника финансирования методами машинного обучения / Ю. А. Мартынова // Вопросы инновационной экономики. – 2019. – Т. 9, № 3. – С. 1037-1048. – DOI 10.18334/vinec.9.3.41177
Martynova, Y. A. (2019). Selection finance's source by method of machine learning. Russian Journal of Innovation Economics, 9(3), 1037-1048. https://doi.org/10.18334/vinec.9.3.41177

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=41263365

Аннотация:
Приведены результаты выбора финансового учреждения для обслуживания организаций с использованием технологий, применяемых в машинном обучении, в частности, нейронных сетей и нечеткой логики. В условиях недостаточной информации традиционные способы решения такого рода задач работают недостаточно надежно, поэтому в работе демонстрируется метод определения лучшего банка посредством указанных технологий. Для поиска нужного решения выполнено моделирование случайных значений тех параметров, которые отвечают, по мнению автора, за выбор банка. Такая база примеров, которую можно назвать "игрушечной", участвует в обучении нейронной сети. Кроме того, показана возможность получения оценки эффективности выбранного учреждения для обслуживания организации с помощью нечеткой логики.

Ключевые слова: оценка эффективности, нечеткая логика, машинное обучение, нейронная сеть

JEL-классификация: D81, С45, С65

Похожие статьи:

   Методы машинного обучения в управлении человеческими ресурсами (Кричевский М.Л., Дмитриева С.В. и др.) // Вопросы инновационной экономики. № 1 / 2023

  Применение алгоритмов машинного обучения в управлении венчурными инвестициями на этапе отбора технологических стартапов (Юлдашев П.Р.) // Экономика, предпринимательство и право. № 8 / 2025

Источники:

Kim P. MATLAB Deep Learning: With Machine Learning, Neural Networks and Artificial Intelligence., Soul-t'ukpyolsi, Seoul, 2017
Alpaydın E. Introduction to Machine Learning. - Massachusetts:MIT Press Cambridge, 2010.
Shalev-Shwartz S., Ben-David S. Understanding Machine Learning: From Theory to Algorithms. - New York: Cambridge University Press, 2014.
4. Кричевский М.Л., Дмитриева С.В., Мартынова Ю.А. Нейросетевая оценка компетенций персонала // Экономика труда. – 2018. – № 4. – С. 1101-1118. – doi: 10.18334/et.5.4.39488.
5. Кричевский М.Л., Мартынова Ю.А. Инструменты искусственного интеллекта при оценке эффективности инвестиционного проекта // Креативная экономика. – 2018. – № 8. – С. 1105-1118. – doi: 10.18334/ce.12.8.39265.
Jolliffe I.T. Principal component analysis. Springer, New York, 2002
Principal Component Analysis. Acadgild. [Электронный ресурс]. URL: https://acadgild.com/blog/principal-component-analysis ( дата обращения: 19.05.2019 ).
Haykin S. Neural Networks and Learning Machines, Pearson Education, New York, 2009
Nielsen M. Neural Networks and Deep Learning. [Электронный ресурс]. URL: http://neuralnetworksanddeeplearning.com ( дата обращения: 12.04.2019 ).
Neural Network Toolbox. User's Guide. The MathWorks, Inc., MA, 2015
Ross T. Fuzzy logic with engineering applications, John Wiley & Sons Chichester, 2010
Fuzzy Logic Toolbox. MatLab. Mathworks. [Электронный ресурс]. URL: https://www.mathworks.com/products/fuzzy-logic.html?BB=1 ( дата обращения: 12.05.19 ).
Рамсундар Б., Заде Р. TensorFlow для глубокого обучения. - СПб.: БХВ-Петербург, 2019.
Шакла Н. Машинное обучение и TensorFlow. - СПб.: Питер, 2019.

Смотрите также:

  Использование методов машинного обучения для оценки инвестиционной деятельности различных регионов России (Кричевский М.Л., Мартынова Ю.А.) // Вопросы инновационной экономики. № 4 / 2019

   Методы машинного обучения при оценке конкурентоспособности предприятия (Мартынова Ю.А.) // Вопросы инновационной экономики. № 1 / 2020

  Методы машинного обучения при выборе стратегии предприятия (Кричевский М.Л.) // Вопросы инновационной экономики. № 1 / 2019

   Выбор варианта развития предприятия методами машинного обучения (Кричевский М.Л., Мартынова Ю.А.) // Вопросы инновационной экономики. № 2 / 2022

   Применение искусственного интеллекта и машинного обучения в практике цифрового маркетинга (Агаметов И.Э., Вечкинзова Е.А.) // Креативная экономика. № 8 / 2023

Страница обновлена: 15.08.2025 в 03:36:51

 
 

 Download PDF | Downloads: 48

Selection finance's source by method of machine learning

Martynova Yu.A.

Journal paper

Russian Journal of Innovation Economics (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Volume 9, Number 3 (July-September 2019)

Citation:

Martynova, Y. A. (2019). Selection finance's source by method of machine learning. Russian Journal of Innovation Economics, 9(3), 1037-1048. https://doi.org/10.18334/vinec.9.3.41177

Abstract:
The results of choosing a financial institution for servicing organizations using the technologies used in machine learning, in particular, neural networks and fuzzy logic, are presented. In the conditions of insufficient information, traditional methods of solving such tasks do not work reliably enough, therefore, the work demonstrates a method for determining the best bank using these technologies. To search for the desired solution, the simulation of random values of those parameters that are responsible, in the opinion of the author, for the choice of a bank, was performed. Such a database of examples, which can be called "toy" is involved in the training of the neural network. In addition, it is shown the possibility of obtaining an assessment of the effectiveness of the selected institution for servicing the organization using fuzzy logic.

Keywords: fuzzy logic, performance evaluation, machine learning, neural network

JEL-classification: D81, С45, С65