Rozmyty system wnioskujący, oceniający kondycję finansową przedsiębiorstw

• Autorzy: Maciej Wasiak

Warianty tytułu

Fuzzy Inference System Estimating Enterprises' Financial Condition

• Języki publikacji: PL

Abstrakty

W artykule przedstawiono próbę stworzenia rozmytego systemu wnioskującego, który na podstawie dostarczonych danych, w postaci wskaźników ekonomicznych przedsiębiorstwa, dokonałby oceny jego kondycji finansowej.

EN

There's an attempt to create fuzzy inference system, which on the base of gathered data as economic ratios of enterprise could estimate its financial condition. (AŁ)

Słowa kluczowe

PL

Ocena kondycji finansowej przedsiębiorstwa; Algorytmy genetyczne; Systemy z bazą wiedzy

EN

Estimation of enterprises financial condition; Genetic algorithms; Knowledge based systems

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu
• Rocznik: 2002
• Numer: nr 931 Pozyskiwanie wiedzy z baz danych
• Strony: 214--224

Twórcy

autor

Maciej Wasiak

Bibliografia

• Altman E.I.: Financial Ratio, Discriminate Analysis and Prediction of Corporate Bankruptcy. Journal of Finance, September 1968.
• Ohlson J.: Financial Ratios and the Probabilistic Prediction of bankruptcy. Journal of Accounting Research 18:1,109-131. 1980.
• Hekanaho J., Back B., Sere K.: Analysing Bankruptcy Data with Multiple Methods. Proc. of the 4th International Workshop on Multistrategy Learning (MSL'98), Brescia, Italy, June 1998.
• Lacher R.C., Coats P.K., Sharma S.C., Fant L.F.: A neural network for classifying the financial health of a firm. European Journal of Operational Research Vol. 85. 1995.
• Back B., Laitinen T.: Choosing Bankruptcy Predictors Using Discriminate Analysis, Logit Analysis and Genetic Algorithms. Turku Centre for Computer Science Technical Report No 40. 1996.
• Couturier A., Fioleau B.: Debt level and company efficiency: independence or implication? An evaluation of fuzzy implication. European Journal of Economic and Social Systems 14 No 1 2000.
• Nauck D., Nauck U., Kruse R.: Generating Classification Rules with Neuro-Fuzzy System NEFCLASS" NAFIPS'96 Berkeley, 1996.
• Herrera F., Lozano M., Verdegay J.L.: Generating fuzzy rules from examples using genetic algorithm. Proceedings Fifth International Conference of Information Processing and Management of Uncertainty in Knowledge-Based Systems, Paris 1994.
• Nauck D., Kruse R.: How the Learning of Rule Weights Affects the Interpretability of Fuzzy Systems. Proc. IEEE International Conference of Fuzzy Systems, Anchorage, AK. May 1998.
• Acebo E., Oiler A., Rosa J.L., Ligęza A.: Static Criteria for Fuzzy System Quality Evaluation. Tasks and Methods in Applied Artificial Intelligence. IEA-98-AIE Vol. II Spain, June 1998.
• Mamdani E.H.: Applications of fuzzy algorithms for control of simple dynamic plant. Proceedings IEEE Transactions on Computers, vol. C-26, No 12 1997.
• Wright A.H.: Genetic algorithms for real parameter optimisation. First workshop on the Foundations of Genetic Algorithms and Classifier Systems. Indiana University, Bloomington, 1990.
• Syswerda G.: A study of reproduction in generational and steady-state genetic algorithms. Parallel Problem Solving from Nature, Springer Verlag 1991.
• Holland J.H.: Adaptation in Natural and Artificial Systems. Ann Arbour, Ml: The University of Michigan Press 1975.
• Jong K.: An analysis of the behaviour of a class of genetic adaptive systems. Ph. D. thesis - University of Michigan 1975.
• Grafenstette. Optimisation of control parameters for genetic algorithms. IEEE Transactions on Systems, Man and Cybernetics, SMC-16(1): 122-128 1986.
• Rutkowska D., Piliński M., Rutkowski L: Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. Wydawnictwo Naukowe PWN 1997.
• Saman K., Glesner H.G., Glesner M.: Neural networks in designing fuzzy systems for real world applications. Fuzzy Sets and Systems 1994.
• Bole L., Borodziewicz W., Wójcik M.: Podstawy przetwarzania informacji niepewnej i niepełnej. Warszawa: PWN 1991.
• Gupta M.M., Yamakawa T.: Fuzzy Logic in Knowledge-Based Systems, Decision and Control. North-Holland/Elsevier Science Publishers B.V., Amsterdam 1988.
• Piegat A.: Modelowanie i sterowanie rozmyte. Warszawa: Akademicka Oficyna Wydawnicza EXIT 1999.
• Ziemba E.: Weryfikacja modeli i bazy wiedzy w systemie wspomagania zarządzania ryzykiem kredytowym. Wrocław: Prace Naukowe Akademii Ekonomicznej nr 850, 2000.
• Kacprzyk J.: Zbiory rozmyte w analizie systemowej. Warszawa: PWN 1986.