ADAPTIVE METHOD OF ENTERPRISE MANAGEMENT BASED ON NEURAL NETWORKS
DOI:
https://doi.org/10.32782/IT/2023-1-12Keywords:
adaptive management method, neural networks, enterpriseAbstract
When solving the problem of enterprise management, an adaptive management method was developed, which is based on data about the enterprise. A program has been developed that will allow adjusting the company's development strategy taking into account large data sets. The analysis was carried out, which allows to assess the state of the enterprise and the relationship between various influencing factors. The management problem is solved by the adaptive method of analyzing hierarchies. This article presents a combined approach to solving this problem. A software product was developed for visualization of influencing factors, and the efficiency of the enterprise was evaluated using an adaptive method using neural networks.
References
Van Assche, K., Beunen, R., Duineveld, M., & Gruezmacher, M. (2023). Adaptive methodology. Topic, theory, method and data in ongoing conversation. International Journal of Social Research Methodology, 26(1), 35-49.
Jiang, D., Du, J., Song, K., Zhao, B., Zhang, Y., & Zhang, W. (2023). Classification of Conservation Tillage Using Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model. Remote Sensing, 15(2), 508.
Ali, H., Li, M., Qiu, X., & Farooq, Q. (2023). Global Mindset and Adaptive Marketing Capabilities in the Internationalization of Mature Chinese SMEs: International Opportunity Perspective. Sustainability, 15(3), 2044.
Wiener, N. The human use of human beings. Cybernetics and society [Text] / N. Wiener. – London, Eyre&Spottiswoode, 1950. – 241 p.
Стахів, О. В. (2023). Інституційне забезпечення управління системним розвитком закладів охорони здоров’я. Scientific notes of Lviv University of Business and Law, (36), 180-188.
Li, G., Yang, H., Sun, L., Ji, P., & Feng, L. (2010). The evolutionary complexity of complex adaptive supply networks: A simulation and case study. International Journal of Production Economics, 124(2), 310-330.
Li, G., Yang, H., Sun, L., Ji, P., & Feng, L. (2010). The evolutionary complexity of complex adaptive supply networks: A simulation and case study. International Journal of Production Economics, 124(2), 310-330.
Кострицький, К. Р. (2023). Управління стратегічними ризиками підприємства.
Круглова, О., Козуб, В., Козуб, С., Наумова, Т., Акімова, Н., & Твердохліб, К. (2023). Уплив економічних та неекономічних чинників на рентабельність підприємства. Financial and credit activity problems of theory and practice, 1(48), 193-205.
Килин, О. В., Газда, О. А., & Килин, Ю. В. (2023). Управління фінансовими результатами діяльності підприємства. Організація, від імені якої випущено видання, 22.
Головата, Ю. (2023). Методичний інструментарій оцінки фінансової діяльності підприємства. Матеріали X Міжнародної науково-практичної конференції „Формування механізму зміцнення конкурентних позицій національних економічних систем у глобальному, регіональному та локальному вимірах “, 39-42.
Ткаченко, І. П., Горбачова, А. В., & Луценко, М. Р. (2023, January). Резерви підвищення ефективності використання основних фондів у підприємницькій діяльності. In The 5 th International scientific and practical conference “Science and innovation of modern world”(January 25-27, 2023) Cognum Publishing House, London, United Kingdom. 2023. 672 p. (p. 628).
Natalya, Z. H. U. K. (2023). Analytical assessment of the financial security level of enterprises. World of finance, (3 (72)), 165-176.
Мулик, Т. О. (2023). Аналітичне забезпечення управління капіталом підприємств. Економічний простір, (183), 95-103.
Василенко, К. В. Рентабельність підприємства: сутність, аналіз, шляхи підвищення. Actual problems of modern science, technologies development and management, 26.
Дебела, І. М. (2023). Статистичні оцінки параметрів моделей з адаптивною структурою. Таврійський науковий вісник. Серія: Економіка, (15), 288-293.
Costa, L., Guerreiro, M., Puchta, E., de Souza Tadano, Y., Alves, T. A., Kaster, M., & Siqueira, H. V. Multilayer Perceptron. Introduction to Computational Intelligence, 105.
Castillo, J. N., & Muñoz, J. R. (2023). Mathematical Model for Broccoli Growth Prediction Based on Artificial Networks. In Computational Intelligence for Engineering and Management Applications: Select Proceedings of CIEMA 2022 (pp. 845-859). Singapore: Springer Nature Singapore.
Ross, I. M. (2023). Generating Nesterov’s accelerated gradient algorithm by using optimal control theory for optimization. Journal of Computational and Applied Mathematics, 423, 114968.
Dreiseitl, S., & Ohno-Machado, L. (2002). Logistic regression and artificial neural network classification models: a methodology review. Journal of biomedical informatics, 35(5-6), 352-359.
Sharp, A. A., O'Neil, M. B., Abbott, L. F., & Marder, E. (1993). The dynamic clamp: artificial conductances in biological neurons. Trends in neurosciences, 16(10), 389-394.
Dreiseitl, S., & Ohno-Machado, L. (2002). Logistic regression and artificial neural network classification models: a methodology review. Journal of biomedical informatics, 35(5-6), 352-359.
Mahapatra, A., Chatterjee, A., & Roy, S. S. (2009, December). Modeling and Simulation of A Ball Throwing Machine. In 14th National Conference on Machines and Mechanisms (NaCoMM09). NIT, Durgapur, India, December (Vol. 17, p. 18).
Yeung, K., & Harkens, A. (2023). How do" technical" design-choices made when building algorithmic decision-making tools for criminal justice authorities create constitutional dangers? Part II. arXiv preprint arXiv:2301.04715.
Pabuçcu, H., Ongan, S., & Ongan, A. (2023). Forecasting the movements of Bitcoin prices: an application of machine learning algorithms. arXiv preprint arXiv:2303.04642.
