350 руб
Журнал «Нейрокомпьютеры: разработка, применение» №8 за 2009 г.
Статья в номере:
Анализ рисков на основе нечетких байесовых сетей
Ключевые слова: нечеткие байесовые сети анализ рисков
Авторы:
В. В. Борисов - д. т. н., профессор, кафедра «Вычислительная техника», филиал ГОУВПО «Московский энергетический институт (технический университет)» (г. Смоленск). E-mail: vborisov@etna-it.ru А. Ю. Белозерский - к. экон. н., доцент, кафедра логистики и экономической информатики, Российский химико-технологический университет им. Д. М. Менделеева.
Аннотация:
Рассмотрены вопросы анализа рисков управленческих решений на основе нечетких байесовых сетей. Предложены различные способы введения нечеткости в байесовы сети в зависимости от характера используемой информации и особенностей решаемых задач анализа рисков. Представлена методика построения нечетких байесовых сетей. Рассмотрены содержательные примеры, иллюстрирующие способ вывода на основе нечеткой байесовой сети, а также результаты анализа риска инвестиционных решений с использованием данного подхода
Страницы: 23-30
Список источников
  1. Крюков С. В. Байесовы сети как инструмент моделирования неопределенности при принятии инвестиционных решений // Экономический вестник Ростовского государственного университета. 2002. Т. 5. № 1. С. 106-111.
  2. ГОСТ Р 51897-2002  Менеджмент риска. Термины и определения.
  3. ГОСТ Р 51898-2002  Аспекты безопасности. Правила включения в стандарты.
  4. Борисов В. В., Абраменкова И. В., Балабаев М. А., Бояринов Ю. Г. Мониторинг рисков на основе нечетких когнитивных моделей // Программные продукты и системы. 2007. Т. 78. № 2. С. 61-64.
  5. Pan H., Liu L. Fuzzy Bayesian networks - a general formalism for representation, inference and learning with hybrid Bayesian networks // IJPRAI. 2000. V. 14(7).Р. 941-962.
  6. Moraes R. M., Machado L. S. A fuzzy bayes evaluator for on-line training evaluation based on virtual reality // Prod. World Congress on Computer Science, Engineering and Technology Education. SaoPaulo. BRAZIL. 2006. Р. 399-403.
  7. Круглов В. В., Борисов В. В.Искусственные нейронные сети. Теория и практика. 2-е изд., стереотип. М.: Горячая линия - ТЕЛЕКОМ. 2002. 382 с.
  8. Аверкин А. Н., Костерев В. В.Триангулярные нормы в системах искусственного интеллекта // Известия Академии наук. Теорияисистемыуправления. 2000. №5. С. 106-109.
  9. Kwakernaak H. Fuzzy random variables: definitions and theorems // Information Sciences. 1978. № 15(1). Р. 1-29.
  10. Ren J., Wang J., Jenkinson I., Xu D. L., Yang J. B. An offshore risk analysis method based on fuzzy Bayesian networks // EPSRC report. 2005. Р. 251-257.
  11. Halliwell J., Keppens J., Shen Q. Linguistic Bayesian networks for reasoning with subjective probabilities in forensic statistics // Proc. of the 5th International Conference on AI and Law. 2003. Р. 42-50.
  12. Leon-Rojas J. M., Masero V., Morales M. On the fuzzy Bayesian inference of population annoyance level caused by noise exposure // Symposium on Applied Computing, Proceedings of the 2003 ACM symposium on Applied computing. 2003.
    Р. 227-234.