Совершенствование сценарного планирования инструментами машинного обучения

Ефремов В.С.; Никитинс Илья

Современная деловая среда предстает изменчивой, неопределенной, сложной и неоднозначной. Классические подходы к построению прогнозов, на основе которых пишутся возможные сценарии будущего, в современной VUCA-реальности неэффективны ввиду того, что они не могут распознать изменяющийся контекст событий. Целью исследования является разработка методического аппарата сценарного планирования, который будет эффективен в мире VUCA. Cтатья посвящена обоснованию нового подхода к разработке сценариев, в котором вместо причинно-следственных связей используется контекст, а опыт, понимаемый через историю событий, используется для лучшего понимания этого контекста. Такой подход был назван эволюционно-контекстным. В качестве методического обеспечения используются рекуррентные нейронные сети с большой (долгой) кратковременной памятью (LSTM). В результате авторы приходят к выводу, что при оптимальном количестве циклов обучения модель LSTM предоставляет достаточно качественные прогнозы. Более того, с ростом количества факторов, характеризующих контекст, который складывается в ходе эволюции рассматриваемого объекта исследования, качество и точность прогнозирования увеличиваются.

Совершенствование сценарного планирования инструментами машинного обучения

Связанные документы (рекомендация CORE)

Новости проекта

Новости

Партнеры

Индексация