DECISION SUPPORT SYSTEMS BASED ON NEURAL NETWORKS
Abstract
This article discusses the development of a decision support system (DSS) based on neural networks using the Keras library and the Python programming language. As an example, a model has been created that predicts the creditworthiness of a client based on his financial history. The main stages of creating such a system are discussed, including data preparation, the construction and training of a neural network, as well as the use of a trained model for predicting creditworthiness.
The final part of the article presents the possibilities of improving the decision support system, such as regularization and optimization of hyperparameters, the use of other neural network architectures, integration with other data sources, processing of unbalanced data and periodic updating of the model. The importance of quality control of predictions and error analysis is emphasized as a key aspect for continuous improvement of the system and providing accurate and useful recommendations.
References
Список литературы
Palchevsky, E. V. Decision Support System based on Application of the Second Generation Neural Network / E. V. Palchevsky, V. V. Antonov // Programmnaya Ingeneria. – 2022. – Vol. 13, No. 6. – P. 301-308. – DOI 10.17587/prin.13.301-308. – EDN SUACPZ.
Фокин, А. С. Системы поддержки принятия решений на основе нейронных сетей / А. С. Фокин // . – 2022. – № 4-1(227). – С. 29-30. – EDN HREHUT.
Чубаров, А. Ю. Разработка системы поддержки принятия решений на фондовом рынке на основе нейронной сети / А. Ю. Чубаров, К. С. Ковалева // Фундаментальные и прикладные аспекты компьютерных технологий и информационной безопасности : Сборник статей IV Всероссийской научно-технической конференции молодых ученых, аспирантов и студентов, Ростов-на-Дону - Таганрог, 02–08 апреля 2018 года / Редколлегия: Г.Е. Веселов, А.Н. Самойлов, П.А. Поталова. – Ростов-на-Дону - Таганрог: Южный федеральный университет, 2018. – С. 468-471. – EDN AFYHSQ.
Лапидус, А. А. Система поддержки принятия организационно-технологических решений на основе искусственной нейронной сети / А. А. Лапидус, А. Н. Макаров // Системотехника строительства. Киберфизические строительные системы : Сборник материалов семинара, проводимого в рамках VI Международной научной конференции, Москва, 14–16 ноября 2018 года. – Москва: Национальный исследовательский Московский государственный строительный университет, 2018. – С. 163-167. – EDN YMJNDV.
Петросов, Д. А. Информационная модель интеллектуальной системы поддержки принятия решений на основе генетического алгоритма под управлением искусственной нейронной сети / Д. А. Петросов // Приоритетные направления инновационной деятельности в промышленности : Сборник научных статей по итогам одиннадцатой международной научной конференции, Казань, 29–30 ноября 2020 года. Том Часть 3. – Казань: Общество с ограниченной ответственностью «КОНВЕРТ», 2020. – С. 103-105. – EDN TZELQK.
References
Palchevsky, E. V. Decision Support System based on Application of the Second Generation Neural Network / E. V. Palchevsky, V. V. Antonov // Programmnaya Ingeneria. – 2022. – Vol. 13, No. 6. – P. 301-308. – DOI 10.17587/prin.13.301-308. – EDN SUACPZ.
Fokin, A. S. Sistemy podderzhki prinyatiya resheniy na osnove neyronnykh setey / A. S. Fokin // . – 2022. – № 4-1(227). – S. 29-30. – EDN HREHUT.
Chubarov, A. Yu. Razrabotka sistemy podderzhki prinyatiya resheniy na fondovom rynke na osnove neyronnoy seti / A. Yu. Chubarov, K. S. Kovaleva // Fundamental’nye i prikladnye aspekty komp’yuternykh tekhnologiy i informatsionnoy bezopasnosti : Sbornik statey IV Vserossiyskoy nauchno-tekhnicheskoy konferentsii molodykh uchenykh, aspirantov i studentov, Rostov-na-Donu - Taganrog, 02–08 aprelya 2018 goda / Redkollegiya: G.E. Veselov, A.N. Samoylov, P.A. Potalova. – Rostov-na-Donu - Taganrog: Yuzhnyy federal’nyy universitet, 2018. – S. 468-471. – EDN AFYHSQ.
Lapidus, A. A. Sistema podderzhki prinyatiya organizatsionno-tekhnologicheskikh resheniy na osnove iskusstvennoy neyronnoy seti / A. A. Lapidus, A. N. Makarov // Sistemotekhnika stroitel’stva. Kiberfizicheskie stroitel’nye sistemy : Sbornik materialov seminara, provodimogo v ramkakh VI Mezhdunarodnoy nauchnoy konferentsii, Moskva, 14–16 noyabrya 2018 goda. – Moskva: Natsional’nyy issledovatel’skiy Moskovskiy gosudarstvennyy stroitel’nyy universitet, 2018. – S. 163-167. – EDN YMJNDV.
Petrosov, D. A. Informatsionnaya model’ intellektual’noy sistemy podderzhki prinyatiya resheniy na osnove geneticheskogo algoritma pod upravleniem iskusstvennoy neyronnoy seti / D. A. Petrosov // Prioritetnye napravleniya innovatsionnoy deyatel’nosti v promyshlennosti : Sbornik nauchnykh statey po itogam odinnadtsatoy mezhdunarodnoy nauchnoy konferentsii, Kazan’, 29–30 noyabrya 2020 goda. Tom Chast’ 3. – Kazan’: Obshchestvo s ogranichennoy otvetstvennost’yu “KONVERT”, 2020. – S. 103-105. – EDN TZELQK.
Copyright (c) 2023 D. R. Sabirov
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).