Позиционирование элементов систем коммерческой информации на примере искусственных нейронных сетей.

Под позиционированием товара на рынке понимаются действия по обеспечению конкурентоспособного положения на рынке и разра­ботка соответствующего комплекса маркетинга. В основе позиционирования лежит матрица АНСОФФА. В данном случае необ­ходимо распределить (квотировать, разработать «матрицу АНСОФФА») товары на сегментах рынка таким образом, чтобы обеспечить наиболь­шую рентабельность работы фирмы (т.е. чтобы распределение товаров соответствовало интересам покупателя).

- задается выручка предложения фирмы В_с и емкость целевого рынки, равного выручке В в условиях совершенной конкуренции;

- необходимо распределить оценки предложения фирмы U_{1 ,} U₂, U_p как можно ближе к заданным оценкам рыночного спроса, U *₂ и U *p. Для этого необходимо поставить и решить задачу оптимизации, т.е. долю рынка В_с распределить между сегментами рынка [В_с1] и [Вc2] наиболее равномерно по отношению к емкости сегментов существующего рынка [В*_с1] и [ В*_с2] таким образом, чтобы обеспечить наибольшую рентабельность фирмы с учетом маркетинга.

Теория нейронных сетей возникла из исследований в области искус­ственного интеллекта, а именно из попыток воспроизвести способность нервных биологических систем обучаться и исправлять ошибки, моде­лируя низкоуровневую структуру мозга. Искусственные нейронные се­ти составлены из множества простых элементов, действующих парал­лельно. Как и в природе, функция нейронных сетей в значительной сте­пени определяется связями между элементами. Нейронная сеть состоит из входов, слоев нейронов, связей между входами и нейронами, выхо­дами и целями.

Сигналы, проходящие по связям нейронной сети от входов до выхо­дов, через нейроны формируются для каждого нейрона как сумма про­изведений значений выходов из элементов входов для первого слоя и выходов из нейронов для других слоев на веса с учетом сдвигов.

Проходя через нейрон, сигнал может преобразовываться или активи­роваться. Например, единичная, ступенчатая функция активации с же­сткими ограничениями (hardlim), линейная функция активации (purelin), логистическая функция активации (logsig) или гиперболического тан­генса (tansing) и др.

В настоящей работе применяются только линейные функции актива­ции, у которых сигнал на выходе из нейрона равен его значению на вхо­де в нейрон.

Дата добавления: 2015-09-02