Application of neural networks to prediction of company future development

Abstract

Application of neural networks to prediction of company future development is much more conceivable now than before. Exploitation of data is one of the most important parts of possible prediction of company development. There are a lot of possibilities how to apply such data and what particular neural network to chose. Development of neural networks dates from 1943 when Perceptron was described and a lot of neural networks have been developed since then. New hybrid neural networks, which are often more accurate than only single-layer and multi-layer networks are being developed even now. The way how they can learn and assess data is substantial for their application in economy.

Використання нейронних мереж для прогнозування розвитку компанії в даний час уявити набагато легше, ніж раніше. Використання даних є однією з найбільш важливих складових прогнозу можливого розвитку компанії. Існує багато способів, як застосувати ці дані і яку конкретну нейронну мережу вибрати. Розробка нейронних мереж бере початок у 1943 році, коли був описаний «Перцептрон», і з тих пір нейронні мережі почали розвиватися все більше і більше. Навіть сьогодні постійно з’являються і розвиваються нові гібридні нейронні мережі, які є часто більш точними, ніж просто одношарові і багатошарові мережі. Те, яким чином можна вивчати і оцінювати дані, є вкрай важливим для їх використання в економіці.

Использование нейронных сетей для прогнозирования развития предприятия в настоящее время можно намного более реально себе представить, чем раньше. Получение данных является одной из наиболее важных составляющих возможной предикции развития предприятия. Существует большое количество возможностей применения этих данных и выбора конкретной нейронной сети. Развитие нейронных сетей относится к 1943 году, когда был описан «Перцептрон», с тех пор начали развиваться другие нейронные сети. И сегодня постоянно появляются и развиваются новые гибридные нейронные сети, которые зачастую точнее однослойных и многослойных сетей. То, каким образом можно осваивать данные, является принципиальным для их использования в экономике.