Comparison of the applicability of neural networks and cluster classification methods on the example company's financial situation

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F62156489%3A43110%2F10%3A00166965" target="_blank" >RIV/62156489:43110/10:00166965 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

čeština

Original language name

Srovnání použitelnosti neuronových sítí a clusterovacích metod na příkladu klasifikace finanční situace podniku

Original language description

Příspěvek je zaměřen na porovnání klasifikační schopností modelu samoučící se neuronové sítě a metod z oblasti shlukové analýzy. Důraz je kladen zejména na srovnání těchto rozdílných přístupů na konkrétním aplikačním příkladu nasazení, klasifikaci finanční situace podniku. Snahou je kriticky zhodnotit jednotlivé přístupy a to na úrovni jejich použitelnost a možnosti nasazení. Pro ověření klasifikačních schopností jednotlivých přístupů byla použita finanční data z databáze "Credit info", konkrétně data popisující finanční situaci dvě stě jedenácti zemědělských podniků z homogenní a stejnorodé oblasti prvovýroby. Vstupní data byla v dalším, dle použité metody, upravena a vyhodnocena příslušnou metodikou. Nalezené výsledné řešení ukázalo, že použité přístupy nevykazují výrazné rozdíly, a lze tak říci, že jsou ekvivalentní. Na základě tohoto zjištění lze formulovat závěr, že přístup z oblasti umělé inteligence (samoučící se neuronová síť) je stejně efektivní jako dílčí metody z oblasti shl

Czech name

Srovnání použitelnosti neuronových sítí a clusterovacích metod na příkladu klasifikace finanční situace podniku

Czech description

Příspěvek je zaměřen na porovnání klasifikační schopností modelu samoučící se neuronové sítě a metod z oblasti shlukové analýzy. Důraz je kladen zejména na srovnání těchto rozdílných přístupů na konkrétním aplikačním příkladu nasazení, klasifikaci finanční situace podniku. Snahou je kriticky zhodnotit jednotlivé přístupy a to na úrovni jejich použitelnost a možnosti nasazení. Pro ověření klasifikačních schopností jednotlivých přístupů byla použita finanční data z databáze "Credit info", konkrétně data popisující finanční situaci dvě stě jedenácti zemědělských podniků z homogenní a stejnorodé oblasti prvovýroby. Vstupní data byla v dalším, dle použité metody, upravena a vyhodnocena příslušnou metodikou. Nalezené výsledné řešení ukázalo, že použité přístupy nevykazují výrazné rozdíly, a lze tak říci, že jsou ekvivalentní. Na základě tohoto zjištění lze formulovat závěr, že přístup z oblasti umělé inteligence (samoučící se neuronová síť) je stejně efektivní jako dílčí metody z oblasti shl

Type

J_x - Unclassified - Peer-reviewed scientific article (Jimp, Jsc and Jost)

CEP classification

IN - Informatics

OECD FORD branch

—

Project

—

Continuities

Z - Vyzkumny zamer (s odkazem do CEZ)

Publication year

2010

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Name of the periodical

Acta universitatis agriculturae et silviculturae Mendelianae Brunensis

ISSN

1211-8516

e-ISSN

—

Volume of the periodical

2010

Issue of the periodical within the volume

6

Country of publishing house

CZ - CZECH REPUBLIC

Number of pages

8

Pages from-to

—

UT code for WoS article

—

EID of the result in the Scopus database

—