|
DOI: 10.14489/hb.2024.10.pp.033-038
Михед А. Д., Алексашина О. В.
НЕЙРОСЕТЕВАЯ ПОДСИСТЕМА ПРОГНОЗИРОВАНИЯ ДОХОДОВ ПРЕДПРИЯТИЯ
(c. 33-38)
Аннотация. Описана подсистема нейросетевого прогнозирования доходов предприятия, реализующего продажи посредством интернет-магазина. Представлена функциональная модель организации продаж с учетом подсистемы прогнозирования. Осуществлен выбор и анализ основных параметров LSTM-сети. Построен граф нейронной сети и точечный график прогноза доходов предприятия.
Ключевые слова: нейронная сеть; функциональная модель; LSTM-сеть; прогнозирование доходов; интернет-магазин; искусственный нейрон.
Mikhed A. D., Aleksashina O. V.
ANALYSIS OF THE SUBSYSTEM OF NEURAL NETWORK FORECASTING OF THE COMPANY’S SALES REVENUE
(pp. 33-38)
Abstract. The work describes a subsystem of neural network forecasting of income of an enterprise that sells through an online store. A functional model of sales organization is presented, taking into account the forecasting subsystem. The selection and analysis of the main parameters of the LSTM network has been carried out. A neural network graph and a dot graph of the enterprise revenue forecast are constructed.
Keywords: Neural network; Functional model; LSTM network; Revenue forecasting; Online store; Artificial neuron.
А. Д. Михед (Тульский государственный университет, Тула, Россия)
О. В. Алексашина (Московский политехнический университет (Московский Политех), Москва, Россия) E-mail:
Данный адрес e-mail защищен от спам-ботов, Вам необходимо включить Javascript для его просмотра.
A. D. Mikhed (Tula State University, Tula, Russia)
O. V. Aleksashina (Moscow Polytechnic University (Moscow Polytechnic), Moscow, Russia) E-mail:
Данный адрес e-mail защищен от спам-ботов, Вам необходимо включить Javascript для его просмотра.
1. Дауб И. С. Обзор методов прогнозирования временных рядов с помощью искусственных нейронных сетей // StudNet. 2020. Т. 3, № 10. С. 247.
2. Трофимова Е. А., Мазуров В. Д., Гилев Д. В. Нейронные сети в прикладной экономике: учеб. пособие / под общ. ред. Е. А. Трофимовой. Екатеринбург: Изд-во Уральского университета, 2017. 98 с.
3. Петайкина А. Д. Прогнозирование изменений потребления домашних хозяйств с использованием нейронных сетей // Экономическое развитие России. 2023. Т. 30, № 7. С. 42–53.
4. Земенков Н. С., Новиков А. Н., Михед А. Д. Применение системы технического зрения для прогнозирования движения цели // Научный форум: тенденции развития науки и общества: сб. матер. Междунар. науч.-практ. конф. Кемерово, 2023. С. 25–29.
5. Манусов В. З., Родыгина С. В. Нейронные сети: прогнозирование электрической нагрузки и потерь мощности в электрических сетях. От романтики к прагматике. Новосибирск: Изд-во Новосибирского гос. техн. ун-та, 2018. 303 с.
6. Мейзер М. В., Северьянова Е. Д., Мокшин В. В. Пример прогнозирования временных рядов с помощью рекуррентной нейронной сети LSTM // Молодой ученый. 2022. № 9(404). С. 13–15.
7. Ясницкий Л. Н. Интеллектуальные системы: учебник. 2-е изд. М.: Лаборатория знаний, 2020. 224 с.
1. Daub I. S. (2020). Review of time series forecasting methods using artificial neural networks. StudNet, 3(10). [in Russian language]
2. Trofimova E. A. (Ed.), Mazurov V. D., Gilyov D. V. (2017). Neural networks in applied economics: textbook. Ekaterinburg: Izdatel'stvo Ural'skogo universiteta. [in Russian language]
3. Petaykina A. D. (2023). Forecasting changes in household consumption using neural networks. Ekonomicheskoe razvitie Rossii, 30(7), 42 – 53. [in Russian language]
4. Zemenkov N. S., Novikov A. N., Mihed A. D. (2023). Application of a technical vision system to predict target movement. Scientific forum: trends in the development of science and society: collection of materials from the International Scientific and Practical Conference, 25 – 29. Kemerovo. [in Russian language]
5. Manusov V. Z., Rodygina S. V. (2018). Neural networks: prediction of electrical load and power losses in electrical networks. From romance to pragmatism. Novosibirsk: Izdatel'stvo Novosibirskogo gosudarstvennogo tekhnicheskogo universiteta. [in Russian language]
6. Meyzer M. V., Sever'yanova E. D., Mokshin V. V. (2022). Example of time series forecasting using LSTM recurrent neural network. Molodoy ucheniy, 404(9), 13 – 15. [in Russian language]
7. Yasnitskiy L. N. (2020). Intelligent systems: textbook. 2nd ed. Moscow: Laboratoriya znaniy. [in Russian language]
Статью можно приобрести в электронном виде (PDF формат).
Стоимость статьи 500 руб. (в том числе НДС 20%). После оформления заказа, в течение нескольких дней, на указанный вами e-mail придут счет и квитанция для оплаты в банке.
После поступления денег на счет издательства, вам будет выслан электронный вариант статьи.
Для заказа скопируйте doi статьи:
10.14489/hb.2024.10.pp.033-038
и заполните форму
Отправляя форму вы даете согласие на обработку персональных данных.
.
This article is available in electronic format (PDF).
The cost of a single article is 500 rubles. (including VAT 20%). After you place an order within a few days, you will receive following documents to your specified e-mail: account on payment and receipt to pay in the bank.
After depositing your payment on our bank account we send you file of the article by e-mail.
To order articles please copy the article doi:
10.14489/hb.2024.10.pp.033-038
and fill out the form
.
|
Archive
Разработка концепции и создание сайта - ООО «Издательский дом «СПЕКТР»