Search
Abstract
W pracy omówiono uczenie maszynowe do samoorganizacji systemów rozproszonych w zastosowaniach gospodarczych ze szczególnym uwzględnieniem sieci neuronowych do predykcji finansowych oraz szacowania ratingu przedsiębiorstw. Oprócz sieci neuronowych, istotną rolę w przygotowaniu i testowaniu informatycznych systemów finansowych może pełnić programowanie genetyczne. Z tego powodu omówiono uczenie maszynowe w aplikacjach konstruowanych automatycznie. W celu uzyskania przewagi konkurencyjnej uczenie maszynowe może być wykorzystane do zarządzania zasobami samoorganizujących się mgieł i chmur obliczeniowych do realizacji obliczeń biznesowych w firmie. Opisano także wybrane zastosowania gospodarcze samoorganizujących się systemów rozproszonych, w tym odniesiono się do badań nad wiarygodnością kredytobiorców, a także wskazano na metody stosowane do szacowania ryzyka sektora bankowego. Na zakończenie przedstawiono kluczowe wnioski oraz kierunki dalszych badań.
Authors (2)
-
Jerzy Balicki dr hab. inż.
- Politechnika Warszawska Wydział Matematyki i Nauk Informacyjnych
Cite as
Full text
- Publication version
- Accepted or Published Version
- License
-
open in new tab
Keywords
Details
- Category:
- Articles
- Type:
- artykuły w czasopismach recenzowanych i innych wydawnictwach ciągłych
- Published in:
-
Współczesna Gospodarka
no. 8,
pages 1 - 26,
ISSN: 2082-677X - Language:
- Polish
- Publication year:
- 2017
- Bibliographic description:
- Balicki J., Korłub W.: Uczenie maszynowe do samoorganizacji systemów rozproszonych w zastosowaniach gospodarczych// Współczesna Gospodarka. -Vol. 8., nr. 1 (2017), s.1-26
- Verified by:
- Gdańsk University of Technology
seen 230 times