Київський національний економічний університет імені Вадима Гетьмана

Нейронечіткі технології у моделюванні економіки

Враховуючи суттєву невизначеність та нестаціонарність процесів, котрі відбуваються в економіці як розвинутих країн, так і тих що розвиваються, стає проблематичним адекватне проведення аналізу статистичних даних традиційними способами. Відповідно, виникає особлива потреба у впровадженні в економічну науку та практику нових ідей і методів щодо аналізу та прогнозування розвитку економічних систем, які базуються на повномасштабному, науково обґрунтованому врахуванні наявної інформації щодо об'єкта управління.

В умовах неповноти, неточності і суперечливості знань про об'єкт дослідження важливо для опису економічних процесів застосовувати такий математичний інструментарій, який дозволяє використовувати експертні знання з предметної області та не накладає обмежень на характер вхідної інформації (яка може мати як кількісне вираження, так і якісне, нормативне, логічне тощо), забезпечуючи водночас можливість налаштування параметрів моделі на інформації щодо реальних процесів.

За таких умов особливого значення набуває застосування для моделювання економіки інструментарію нечіткої логіки та нейронних мереж, в основу яких закладено нейрофізіологічні особливості функціонування людського мозку, що робить їх практично ідеальним інструментом для управління складними слабоформалізованими процесами, які відбуваються в економіці. Зауважимо, що обидва математичні апарати є ефективними при моделюванні складних нелінійних функціональних залежностей (особливо у порівнянні з альтернативними підходами).

В основу теорій нечіткої логіки та нейронних мереж покладено принципово різну ідеологію та математичний інструментарій. Перевагами нечіткої логіки є можливість врахування експертних знань щодо об'єкта моделювання та оперування лінгвістичною інформацією. Проте, інструментарій нечіткої логіки окремо не володіє механізмом налаштування на реальних даних параметрів моделі, побудованої на його основі. Тому адекватність нечіткого логічного висновку суттєво залежить від виду та параметрів функцій належності, які входять до структури моделі.

Головною же особливістю нейронних мереж є їхня здатність до навчання, що реалізується за допомогою спеціально створених для цього методів і алгоритмів. Однак, для нейронних мереж властива проблема змістовної інтерпретації внутрішніх параметрів та нездатність працювати з лінгвістичною інформацією.

Проте, у разі поєднання інструментарію нечіткої логіки із нейронними мережами вдається отримати специфічну конструкцію під назвою "нейро-нечітка модель" із принципово новими якостями, що дозволяє забезпечити дотримання властивостей інтелектуальних технологій: лінгвістичності та здатності до навчання. Інтелектуальні системи прийняття рішень, побудовані на підґрунті синтезу методів нечіткої логіки та нейронних мереж, володіють інструментарієм для представлення експертно-встановлених правил розвитку досліджуваного об’єкта або процесу в математичній формі, забезпечують можливість автоматичного налагодження параметрів моделі з урахуванням даних кількісної та якісної природи та мають низку інших незаперечних переваг у моделюванні економічних систем та управлінні ними.

Наука «Нейронечіткі технології у моделюванні економіки» має свою філософію, принципи, концептуальні положення, систему постулатів та багатогранний інструментарій, який динамічно розвивається та збагачується.

Мета – допомогти студентам здобути знання та отримати компетенції з конструювання економіко-математичних моделей на підґрунті технологій нейронних мереж та нечіткої логіки з метою їх застосовування у сфері своєї фахової діяльності, зокрема, в оцінюванні поточного стану та прогнозуванні подальшого розвитку економічних систем і процесів з метою прийняття раціональних управлінських рішень. Отримані в процесі вивчення даної науки знання стосовно основних принципів нейро-нечіткого моделювання, категоріального апарату цієї науки, основних класів моделей і методів, принципів їх побудови, оптимізації і коректного застосування мають стати важливою конкурентною перевагою у подальшій професійній діяльності.

Завдання – вивчення основних принципів побудови економіко-математичних моделей аналізу та прогнозування розвитку економічних систем і процесів на основі таких інтелектуальних технологій моделювання як нейронні мережі та нечітка логіка.

Об’єктом пізнання та вивчення даної науки є процеси, що відбуваються в економіці, та принципи управління ними.

Предметомвивчення даної науки є: теорія та методологія економіко-математичного моделювання, аналізу та прогнозування розвитку економічних систем і процесів із застосуванням інструментарію нечіткої логіки, нейронних мереж; основні класи задач та етапи процесу нейро-нечіткого моделювання; типи нечітких систем та нейронних мереж; методи оптимізації нейронних мереж та моделей на нечіткій логіці; проведення та аналіз модельних експериментів.

Дана наука є однією із вибіркових освітньо-професійної програми підготовки бакалавра для галузі знань«0305 Економіка і підприємництво», спеціальності 6.030502 «Економічна кібернетика».

Місце науки в навчальному процесі підготовки фахівців. Вивчення курсу базується на матеріалі нормативних наук бакалаврського рівня освіти: економіко-математичні методи та моделі, інформаційні технології, економічна теорія, фінанси, мікро- та макроекономіка.

У результаті вивчення науки бакалавр має знати:

·     основні концептуальні положення і принципи процесу моделювання, аналізу та прогнозування розвитку економічних систем і процесів із застосуванням інструментарію нечіткої логіки, нейронних мереж;

·     принципи конструювання економіко-математичних моделей на нечіткій логіці та формування бази нечітких логічних висловлювань;

·     принципи побудови різних типів нейронних мереж, вибору їх структури та проведення оптимізації параметрів;

·     правила вибору виду моделі залежно від класу економічної задачі, що розв’язується;

·     основні способи перевірки адекватності побудованих економіко-математичних моделей;

·     методичні положення та інструментарій проведення модельних експериментів, оцінювання точності прогнозування та класифікації;

·     принципи проведення аналізу та інтерпретації отриманих результатів економіко-математичного моделювання.

У результаті вивчення даної науки бакалавр має набути компетенцій стосовно:

·     інструментарію нейронних мереж і нечіткої логіки та їх коректного застосування для розв’язання різноманітних задач економіко-математичного моделювання;

·     грамотної постановки задач щодо нейро-нечіткого моделювання для здобуття нових знань про досліджуваний економічний об‘єкт, процес, явище з метою їх використання в оцінюванні його поточного стану, прогнозування тенденцій розвитку та у процесі прийняття рішень;

·     способів отримання необхідної економічної інформації та її використання для моделювання досліджуваної системи або процесу;

·     уміння конструювати та застосовувати адекватні економіко-математичні моделі на основі інструментарію нейронних мереж та нечіткої логіки з метою прогнозування, проведення аналізу та прийняття обґрунтованих рішень в умовах невизначеності та ризику;

·     програмної реалізації побудованих економіко-математичних моделей на нечіткій логіці та нейронних мережах;

·     аналізу отриманих нових знань стосовно досліджуваної економічної системи або процесу, визначення точності результатів моделювання;

·     самостійного формування рекомендацій щодо удосконалення економіко-математичних моделей, попередньої обробки даних для моделювання, а також прийняття управлінських рішень із урахуванням результатів розв‘язання конкретних прикладних задач щодо оцінювання, аналізу та прогнозування розвитку економічних систем і процесів.

Остання редакція: 08.04.16

Публікаціі з предмету