Prognozowanie kondycji przedsiębiorstw z wykorzystaniem sztucznych sieci neuronowych

Andrzej Burda

doi:10.56583/br.1657

Data publikacji : 2006-10-13

Nr 6 (2006)

Prognozowanie kondycji przedsiębiorstw z wykorzystaniem sztucznych sieci neuronowych

Andrzej Burda

DOI: https://doi.org/10.56583/br.1657

Inne teksty tego samego autora

Jarosław Bielak, Andrzej Burda, Mieczysław Kowerski, Krzysztof Pancerz, Modelowanie i prognozowanie wypłat gotówki w banku , Barometr Regionalny. Analizy i Prognozy : Tom 13 Nr 4 (2015)
Krzysztof Pancerz, Andrzej Burda, Piotr Grochowalski, Wiesław Paja, Ontologiczny generator testów wiedzy z tekstów na przykładzie wiedzy o geografii Polski , Barometr Regionalny. Analizy i Prognozy : Tom 19 Nr 1 (2023)
Andrzej Burda, Zdzisław Hippe, Metodyka prognozowania stanu ekonomiczno-finansowego małych i średnich przedsiębiorstw , Barometr Regionalny. Analizy i Prognozy : Nr 1 (19) (2010)
Zbigniew Omiotek, Andrzej Burda, Metody selekcji cech w badaniach przesiewowych, realizowanych w szpitalach pierwszego kontaktu w kierunku wykrywania choroby Hashimoto , Barometr Regionalny. Analizy i Prognozy : Tom 14 Nr 2 (2016)
Andrzej Burda, Paweł Cudek, Zdzisław Hippe, ProfileSEEKER — system informatyczny wczesnego ostrzegania małych i średnich przedsiębiorstw przed bankructwem , Barometr Regionalny. Analizy i Prognozy : Nr 3 (29) (2012)
Andrzej Burda, Wielokryterialna ocena modeli prognozowania stanu ekonomiczno-finansowego małych i średnich przedsiębiorstw , Barometr Regionalny. Analizy i Prognozy : Nr 1 (15) (2009)
Andrzej Burda, Krzysztof Pancerz, Klasteryzacja i wizualizacja wzorców bankructwa przy użyciu samoorganizujących się map Kohonena , Barometr Regionalny. Analizy i Prognozy : Tom 12 Nr 3 (2014)
Andrzej Burda, Analiza nastrojów gospodarczych z wykorzystaniem sieci Kohonena , Barometr Regionalny. Analizy i Prognozy : Nr 4 (14) (2008)
Andrzej Burda, Zdzisław Hippe, Modelowanie stanu małych i średnich przedsiębiorstw w warunkach niepewności , Barometr Regionalny. Analizy i Prognozy : Nr 3 (21) (2010)
Andrzej Burda, Barbara Kuczmowska, Analiza jakości predykcji stanu ekonomiczno-finansowego małych i średnich przedsiębiorstw przy pomocy zespołów sztucznych sieci neuronowych , Barometr Regionalny. Analizy i Prognozy : Nr 2 (12) (2008)

Szczegóły

Bibliografia

Statystyki

Autorzy

Pobierz pliki

PDF

Zasady cytowania

Burda, A. (2006). Prognozowanie kondycji przedsiębiorstw z wykorzystaniem sztucznych sieci neuronowych. Barometr Regionalny. Analizy I Prognozy, (6), 67–75. https://doi.org/10.56583/br.1657

Wskaźniki altmetryczne

Cited by / Share

Licencja

Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Użycie niekomercyjne – Bez utworów zależnych 4.0 Międzynarodowe.

Bibliografia

Adamczak R., Zastosowanie sieci neuronowych do klasyfikacji danych doświadczalnych, praca doktorska pod kierunkiem prof. Włodzisława Ducha, Katedra Metod Komputerowych, Uniwersytet Mikołaja Kopernika, Toruń 2001.

Alici Y., Neural networks in corporate failure prediction: The UK experience, in Proc. Third Int. Conf. Neural Networks in the Capital Markets, A. N. Refenes, Y. Abu-Mostafa, J. Moody, and A. Weigend, Eds. London, UK, Oct. 1995, pp. 393-406.

Altman E., Marco G., Varetto F., Corporate distress diagnosis: Comparisons using linear discriminant analysis and neural networks, J. Banking and Finance, vol. 18, pp. 505-529, 1994. DOI: https://doi.org/10.1016/0378-4266(94)90007-8

Coats P., Fant L., Recognizing financial distress patterns using a neural network tool, Financial Management, vol. 22, pp. 142-155, 1993. DOI: https://doi.org/10.2307/3665934

Duch W., Korbicz J., Rutkowski L., Tadeusiewicz R. (red.), Biocybernetyka i inżynieria biomedyczna 2000, t. 6., Sieci neuronowe, Akademicka Oficyna Wydawnicza EXIT, Warszawa 2000.

Fernandez E., Olmeda I., Bankruptcy prediction with artificial neural networks, Lect. Notes Com- put. Sc., pp. 1142-1146, 1995. DOI: https://doi.org/10.1007/3-540-59497-3_296

Hertz J., Krogh A., Palmer R., Wstęp do teorii obliczeń neuronowych, WNT, Warszawa 1993.

Odom M., Sharda R., A neural network model for bankruptcy prediction, in Proc. Int. Joint conf. Neural networks, San Diego, CA, 1990. DOI: https://doi.org/10.1109/IJCNN.1990.137710

Osowski S., In-flight simulation at the NASA Dryden flight research facility. AIAA-91-2916-CP, Flight Simulation Technologies Conference, 1994, s. 7-23.

Piramuthu S., Raghavan H., Shaw M., Using feature construction to improve the performance of neural networks, Management Science, vol. 44, pp. 416-430, 1998. DOI: https://doi.org/10.1287/mnsc.44.3.416

Privotet J.-C., Neural Networks: Architectures, preprocessing and hardware implementation, VIII International Workshop on Advanced Computing and Analysis Techniques in Physics Research, Moscow, Russia, 24-28 June 2002.

Salchenberger L., Cinar E., Lash N., Neural networks: A new tool for predicting thrift failures, Decision Sciences, vol. 23, pp. 899-916, 1992. DOI: https://doi.org/10.1111/j.1540-5915.1992.tb00425.x

Tam K., Kiang M., Managerial applications of the neural networks: The case of bank failure predictions, Management Science, vol. 38, pp. 416-430, 1992. DOI: https://doi.org/10.1287/mnsc.38.7.926

Tam K., Neural network models and the prediction of bank bankruptcy, Omega, vol. 19, pp. 429-445, 1991. DOI: https://doi.org/10.1016/0305-0483(91)90060-7

Witkowska D., Sztuczne sieci neuronowe i metody statystyczne. Wybrane zagadnienia finansowe Wydawnictwo C.H. Beck, 2002.

Zieliński J. (red.), Inteligentne systemy w zarządzaniu. Teoria i praktyka, PWN, Warszawa 2000.

Zhang G., Hu M., Patuwo B., Artificial neural networks in bankruptcy prediction: General frame- work and cross-validation analysis, European J. Oper. Res., vol. 116, pp. 16-32, 1999. DOI: https://doi.org/10.1016/S0377-2217(98)00051-4