Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот документ:
https://elib.bsu.by/handle/123456789/317186| Заглавие документа: | Обоснование эффективности применения генеративного искусственного интеллекта для оптимизации логистических процессов на базе метода Ньютона |
| Другое заглавие: | Justification of efficiency of generative artificial intelligence application for optimization of logistic processes on the basis of Newton’s method / A. Turovets, A. Kuzmin |
| Авторы: | Туровец, А. М. Кузьмин, А. Н. |
| Тема: | ЭБ БГУ::ОБЩЕСТВЕННЫЕ НАУКИ::Экономика и экономические науки |
| Дата публикации: | 2024 |
| Издатель: | Минск : Институт бизнеса БГУ |
| Библиографическое описание источника: | Бизнес. Инновации. Экономика : сб. науч. ст. Вып. 9 / Институт бизнеса БГУ; редкол.: Г. А. Хацкевич (председатель) [и др.]. – Минск : Институт бизнеса БГУ, 2024. – С. 158-164. |
| Аннотация: | Рассматриваются перспективы применения нейронных сетей для оптимизации различных параметров логистических систем на базе метода Ньютона. Выделены ключевые преимущества и недостатки рассматриваемого метода, которые требуют внедрения новых цифровых решений для повышения общей эффективности. В качестве одного из возможных направлений оптимизации предлагается использовать языковую генеративную модель нейронной сети, которая обучена на матрицах различных порядков. Разработанная модель на базе генеративного искусственного интеллекта существенно сокращает время вычисления обратной матрицы Гессе, что позволяет повысить эффективность оптимизации логистических процессов. Предложенная модель апробирована на результатах сравнения временных затрат на вычисление обратной матрицы Гессе с использованием табличного процессора и нейронной сети. Эмпирические данные позволяют сделать вывод, что частный случай применения нейронной сети может существенно сократить время необходимых вычислений. |
| Аннотация (на другом языке): | This article discusses the prospects of using neural networks to optimize various parameters of logistics systems based on Newton’s method. The key advantages and disadvantages of the considered method are highlighted, which require the introduction of new digital solutions to improve overall efficiency. As one of the possible directions of optimization it is proposed to use a language generative model of neural network, which is trained on matrices of different orders. The developed model based on generative artificial intelligence significantly reduces the computation time of the inverse Hesse matrix, which will improve the efficiency of optimization of logistics processes. The proposed model is tested on the results of comparison of time costs for calculating the inverse Hesse matrix using a table processor and a neural network. The empirical data allow us to conclude that a special case of neural network application can significantly reduce the time of necessary calculations |
| URI документа: | https://elib.bsu.by/handle/123456789/317186 |
| ISSN: | 2523-4714 |
| Лицензия: | info:eu-repo/semantics/openAccess |
| Располагается в коллекциях: | 2024. Бизнес. Инновации. Экономика |
Полный текст документа:
| Файл | Описание | Размер | Формат | |
|---|---|---|---|---|
| Justification24p158-164.pdf | 951,61 kB | Adobe PDF | Открыть |
Все документы в Электронной библиотеке защищены авторским правом, все права сохранены.