004.8:658:339.7

штучний інтелект,нейронні мережі, інтернаціоналізація, ефективність.

Здійснено оцінювання ефективності діяльності промислових підприємств у процесі їх інтернаціоналізації за допомогою засобів штучного інтелекту. Досліджено переваги застосування методу нейромережового моделювання для вирішення економічних завдань та обгрунтовано доцільність його використання у проведенні даного дослідження. На основі даних експертного оцінювання та фінансової звітності десяти промислових підприємств за допомогою лінійного коефіцієнта кореляції Пірсона встановлено значущість кожного із 25 параметрів (субкритеріїв), які впливають на ефективність діяльності промислових підприємств. Визначено, що 10 із них мають найбільшу значущість. На основі визначення значущості субкритеріїв розроблено програмну систему інтелектуальних агентів (нейронних мереж) для підтримки прийняття управлінських рішень в умовах невизначеності щодо інтернаціоналізації промислових підприємств з метою забезпечення ефективності їх діяльності. Для програмної системи інтелектуальних агентів застосовано метод машинного навчання багатошарового персептрону (БШП). Розраховано значення середньої абсолютної помилки (MAPE) оцінки якості програмної системи інтелектуальних агентів, яке становить 1,2%, що свідчить про високу точність отриманих результатів. Встановлено, що розроблений програмний продукт можна застосовувати для вирішення також інших проблем у діяльності підприємства.

1. Lam M. Neural network techniques for financial performance prediction: integrating fundamental and technical analysis. Decision Support Systems. 2004. 37(4). P. 567–581.https://doi.org/10.1016/S0167-9236(03)00088-5
2. Önder E., Fɪrat B. Hepsen A. Forecasting Macroeconomic Variables using Artificial Neural Network and Traditional Smoothing Techniques. Journal of Applied Finance & Banking. 2013. Vol. 3. No. 4.
   P. 73–104.https://doi.org/10.2139/ssrn.2264379
3. Kuan C. & White H. Artificial neural networks: an econometric perspective. Econometric Reviews. 1994. 13 (1). P. 1–91.https://doi.org/10.1080/07474939408800273
4. Swanson N. & White H. A model-selection approach to assessing the information in the term structure using linear models and artificial neural networks. Journal of Business & Economic Statistics. 1995. 13 (3). P. 265–275.https://doi.org/10.1080/07350015.1995.10524600
5. M. I. Jordan and T. M. Mitchell, «Machine learning: trends, perspectives, and prospects». Science. 2015. Vol. 349. No. 6245. Pp. 255–260. DOI: 10.1126/science.aaa8415.https://doi.org/10.1126/science.aaa8415
6. Ткаченко Р. Нова парадигма штучних нейронних мереж прямого поширення.Вісник Державного університету «Львівська політехніка». Сер.: Комп'ютерна інженерія та інформаційні технології. 1999. С. 43–54.
7. Ільчук П. Г. Методи оцінювання рівня інтернаціоналізації підприємств. Економіка і прогнозування. № 4. 2014. С. 97–109.

1. Lam M. Neural network techniques for financial performance prediction: integrating fundamental and technical analysis. Decision Support Systems. 2004. 37(4). P. 567–581.https://doi.org/10.1016/S0167-9236(03)00088-5
2. Önder E., Fɪrat B. Hepsen A. Forecasting Macroeconomic Variables using Artificial Neural Network and Traditional Smoothing Techniques. Journal of Applied Finance & Banking. 2013. Vol. 3. No. 4.P. 73–104.https://doi.org/10.2139/ssrn.2264379
3. Kuan C. & White H. Artificial neural networks: an econometric perspective. Econometric Reviews. 1994. 13 (1). P. 1–91.https://doi.org/10.1080/07474939408800273
4. Swanson N. & White H. A model-selection approach to assessing the information in the term structure using linear models and artificial neural networks. Journal of Business & Economic Statistics. 1995. 13 (3). P. 265–275.https://doi.org/10.1080/07350015.1995.10524600
5. M. I. Jordan and T. M. Mitchell, «Machine learning: trends, perspectives, and prospects». Science. 2015. Vol. 349. No. 6245. Pp. 255–260. DOI: 10.1126/science.aaa8415.https://doi.org/10.1126/science.aaa8415
6. R. TkachenkoNova paradyhma shtuchnykh neironnykh merezh priamoho poshyrennia [Newparadigmofartificialneuralnetworksofdirectdistribution].VisnykNatsionalnohoUniversytetu “Lvivskapolitekhnika”: Komp’iuternaInzheneriiataInformatsiiniTekhnolohii. 1999. No. 386.Pp. 43–54. [InUkrainian].
7. Ilchuk P. H. Metody otsiniuvannia rivnia internatsionalizatsii pidpryiemstv. [Methods of assessing the level of internationalization of enterprises]. Ekonomika i prohnozuvannia.No.4. 2014.P. 97–109. [InUkrainian].