Данная монография посвящена изучению сложной и малоисследованной проблемы моделирования процессов банкротств корпораций с использованием динамических нейросетевых моделей. Одной из основных сложностей этих моделей является наличие неполных данных, вызванных юридическими ограничениями, а также высокий уровень шума в данных. В книге предлагается метод оптимизации структуры нейросети в сочетании с байесовской регуляризацией, а также алгоритм компрессии переменных на основе обобщенной функции желательности Харрингтона.
Авторы разработали концептуальную основу нейросетевого моделирования, основанную на общесистемных законах, а также представили нейросетевой логистический динамический метод, который позволяет восстановить недостающие данные в процессе решения задачи аппроксимации зависимости между входными и выходными данными. Кроме того, впервые были рассмотрены гибридные нейросетевые модели, применимые к неправомерным банкротствам юридических лиц.
Теоретические идеи, выдвинутые в книге, подробно иллюстрируются прикладными задачами и подкрепляются вычислительными экспериментами на реальных данных. Более 90% материала монографии является оригинальным и представляет собой совокупность и развитие методов моделирования банкротств с использованием нейросетей, представленных в предыдущих работах авторов.
Книга предназначена для студентов, магистрантов, преподавателей вузов и научных работников, интересующихся проблемами нейросетевого моделирования в области финансового менеджмента и экономической безопасности предприятий.
Монография посвящена решению сложной научной проблемы, заключающейся в создании методик нейросетевого динамического структурного анализа проблемных факторов банкротства корпоративных экономических объектов. В отличие от известных подходов, исследуемые методики учитывают множественные факторы и проявления динамичности этих процессов в типичных для них режимах неполноты и зашумленности входных данных, зависящих от ряда специфических обстоятельств.
Электронная Книга «Динамические нейросетевые модели банкротств корпораций при неполных данных» написана автором Станислав Горбатков в 2020 году.
Минимальный возраст читателя: 0
Язык: Русский
ISBN: 978-5-907244-86-3
Описание книги от Станислав Горбатков
Монография посвящена сложной и практически неисследованной проблеме нейросетевого моделирования развития процессов банкротств корпораций в динамике. Сложность этих моделей вытекает из специфической неполноты данных, обусловленных юридическими причинами, и сильной зашумленности данных. Предложен метод оптимизации структуры нейросети в комбинации с её байесовской регуляризацией, а также алгоритм компрессии переменных на основе обобщенной функции желательности Харрингтона. Разработан на основе общесистемных законов концептуальный базис нейросетевого моделирования и реализующий его нейросетевой логистический динамический метод, который восстанавливает неполные данные в ходе решения задачи аппроксимации зависимости «вход-выход». Впервые рассмотрены гибридные нейросетевые модели неправомерных банкротств юридических лиц. Выдвинутые теоретические идеи подробно иллюстрируются прикладными задачами и обосновываются вычислительными экспериментами на реальных данных. Материал монографии на 90% оригинален, обобщает и развивает методы нейросетевого моделирования банкротств из прежних книг авторов. Для студентов, магистрантов и преподавателей широкого круга вузов, а также научных работников, интересующихся проблемами нейросетевого моделирования в сфере финансового менеджмента и экономической безопасности предприятий.
