Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "failure prediction" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Decision tree based model of business failure prediction for Polish companies
    Autorzy:
    Durica, Marek
    Frnda, Jaroslav
    Svabova, Lucia
    Powiązania:
    https://bibliotekanauki.pl/articles/19090954.pdf
    Data publikacji:
    2019
    Wydawca:
    Instytut Badań Gospodarczych
    Tematy:
    decision trees
    prediction model
    financial ratios
    business failure
    Polish companies
    Opis:
    Research background: The issue of predicting the financial situation of companies is a relatively young field of economic research. Its origin dates back to the 30's of the 20th century, but constant research in this area proves the currentness of this topic even today. The issue of predicting the financial situation of a company is up to date not only for the company itself, but also for all stakeholders. Purpose of the article: The main purpose of this study is to create new prediction models by using the method of decision trees, in achieving sufficient prediction power of the generated model with a large database of real data on Polish companies obtained from the Amadeus database. Methods: As a result of the development of artificial intelligence, new methods for predicting financial failure of the company have been introduced into financial prediction analysis. One of the most widely used data mining techniques in this field is the method of decision trees. In the paper, we applied the CART and CHAID approach to create a model of predicting the financial difficulties of Polish companies. Findings & Value added: For the creation of the prediction model, a total of 37 financial and economic indicators of Polish companies were used. The resulting decision trees based prediction models for Polish companies reach a prediction power of more than 98%. The success of the classification for non-prosperous companies is more than 83%. The created decision tree-based prediction models are useful mainly for predicting the financial difficulties of Polish companies, but can also be used for companies in another country.
    Źródło:
    Oeconomia Copernicana; 2019, 10, 3; 453-469
    2083-1277
    Pojawia się w:
    Oeconomia Copernicana
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Logit business failure prediction in V4 countries
    Autorzy:
    Durica, Marek
    Valaskova, Katarina
    Janoskova, Katarina
    Powiązania:
    https://bibliotekanauki.pl/articles/125652.pdf
    Data publikacji:
    2019
    Wydawca:
    Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
    Tematy:
    logit
    business failure
    financial ratio
    prediction model
    V4 countries
    funkcja logitowa
    niepowodzenie biznesowe
    wskaźnik finansowy
    model prognostyczny
    kraje V4
    Opis:
    The paper presents the creation of the model that predicts the business failure of companies operating in V4 countries. Based on logistic regression analysis, significant predictors are identified to forecast potential business failure one year in advance. The research is based on the data set of financial indicators of more than 173 000 companies operating in V4 countries for the years 2016 and 2017. A stepwise binary logistic regression approach was used to create a prediction model. Using a classification table and ROC curve, the prediction ability of the final model was analysed. The main result is a model for business failure prediction of companies operating under the economic conditions of V4 countries. Statistically significant financial parameters were identified that reflect the impending failure situation. The developed model achieves a high prediction ability of more than 88%. The research confirms the applicability of the logistic regression approach in business failure prediction. The high predictive ability of the created model is comparable to models created by especially sophisticated artificial intelligence approaches. The created model can be applied in the economies of V4 countries for business failure prediction one year in advance, which is important for companies as well as all stakeholders.
    Źródło:
    Engineering Management in Production and Services; 2019, 11, 4; 54-64
    2543-6597
    2543-912X
    Pojawia się w:
    Engineering Management in Production and Services
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Intelligent Forecasting of Automatic Train Protection System Failure Rate in China High-speed Railway
    Inteligentne prognozowanie intensywności uszkodzeń automatycznego systemu ochrony pociągów kolei dużych prędkości w Chinach
    Autorzy:
    Kang, Renwei
    Wang, Junfeng
    Cheng, Jianfeng
    Chen, Jianqiu
    Pang, Yanzhi
    Powiązania:
    https://bibliotekanauki.pl/articles/301390.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    intelligent maintenance
    high-speed railway
    failure rate
    automatic train protection system
    prediction model
    chaos
    inteligentna konserwacja
    kolej dużych prędkości
    intensywność uszkodzeń
    automatyczny system ochrony pociągu
    model predykcyjny
    Opis:
    Intelligent and personalized dynamic maintenance and spare parts configuration of high-speed railway have been the main trend to guarantee the safety capability of trains. In this paper, a new Automatic Train Protection (ATP) system failure rate calculation method is proposed, and the delay time and embedded dimension are determined by C-C algorithm. Then the phase space is reconstructed from one-dimensional time series to high-dimensional space. Based on chaotic characteristics of failure rate, a short-term intelligent forecasting model of failure rate of ATP system is established. The actual failure statistics from 2010 to 2018 are used as samples to train and test the validity of the model. From prediction results, it shows that the proposed chaos prediction model has an accuracy of 99.71%, which is better than the support vector machine model. Through the intelligent prediction of failure rate, this paper solves the maintenance inflexibility and imbalance of supply and demand of spare parts configuration.
    Inteligentna i spersonalizowana dynamiczna konserwacja i konfiguracja części zamiennych pociągów kolei dużych prędkości stanowią ostatnio główny trend w zakresie zapewniania bezpieczeństwa pociągów. W niniejszym artykule zaproponowano nową metodę obliczania intensywności uszkodzeń systemu Automatycznej Ochrony Pociągu (ATP), a czas opóźnienia i wymiar zanurzenia określano za pomocą algorytmu CC. Następnie, przestrzeń fazową przekształcono z jednowymiarowego szeregu czasowego do przestrzeni wielowymiarowej. Opierając się na chaotycznych charakterystykach intensywności uszkodzeń, utworzono model krótkoterminowego inteligentnego prognozowania awaryjności systemu ATP. Do uczenia modelu i weryfikacji jego trafności wykorzystano rzeczywiste dane statystyczne dotyczące awarii pociągów z lat 2010–2018. Z wyników prognoz wynika, że proponowany model predykcji, oparty na teorii chaosu, cechuje się dokładnością na poziomie 99,71%, czyli wyższą niż model maszyny wektorów nośnych. Dając możliwość inteligentnej predykcji intensywności uszkodzeń, niniejsza praca rozwiązuje problem braku elastyczności w utrzymaniu ruchu pociągów oraz braku równowagi między podażą a popytem na części zamienne.
    Źródło:
    Eksploatacja i Niezawodność; 2019, 21, 4; 567-576
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies