UkrReferat.com
найбільша колекція україномовних рефератів

Всього в базі: 75843
останнє поновлення: 2016-12-04
за 7 днів додано 10

Реферати на українській
Реферати на російській
Українські підручники

$ Робота на замовлення
Реклама на сайті
Зворотній зв'язок

 

ПОШУК:   

реферати, курсові, дипломні:

Українські рефератиРусские рефератыКниги
НазваПобудова та оптимізація математичних моделей об’єктів оподатковування в умовах обмеженості інформації (реферат)
Авторdimich/www.ukrreferat.com
РозділБухгалтерський облік, податки, реферат, курсова
ФорматWord Doc
Тип документуРеферат
Продивилось1467
Скачало273
Опис
ЗАКАЧКА
Замовити оригінальну роботу

Реферат на тему:

 

Побудова та оптимізація математичних моделей об’єктів оподатковування в

умовах обмеженості інформації

 

, для того щоб одержати задовільний результат, уже потрібне застосування

методу структурної мінімізації емпіричного ризику, внаслідок чого може

виникнути небажана ситуація, пов’язана з виключенням із розгляду

факторів, що впливають на ефективність прогнозу. Як перший, так і другий

метод є далеко неформальними комбінаторними процедурами. Реалізація їх є

мистецтвом і багато в чому залежить від інтуїції дослідника.

 

Нехай задана вихідна вибірка:

 

(1)

 

, (2)

 

лінійної цільовий функції, що описує об’єкт досліджень:

 

, (3)

 

відомі.

 

Потрібно знайти й оптимизувати цільову функцію (3) при обмеженнях (2).

 

У роботі розглядається принципово новий підхід, що дозволяє

формалізувати механізм побудови моделі оптимізації в умовах обмеженості

інформації. Однак перш ніж перейти до його опису не можна не зупинитися

на наступному.

 

Ще в недалекому минулому вважалася високим рівнем обробки даних побудова

залежностей, у яких число одночасних факторів, що враховуються,

доводилося до десяти і більше. Поступово прийшло розуміння того, що в

міру зростання розмірності задачі, незважаючи на достаток матеріалів

спостережень, виникає втрата видимості результатів, оскільки

закономірність розпорошується на безліч малозначних зв’язків. Стало

також зрозумілим і те, що при недоліку даних виникає інша проблема, що

полягає у виборі правильного співвідношення складності відновлюваної

закономірності з довжиною навчальної вибірки. Причому зневага цією

проблемою призводить до зниження экстраполяційних властивостей моделі,

що сприяє зростанню помилок на нових даних. Нами розглядається саме

остання ситуація, коли інформація обмежена. При цьому підвищення

надійності моделі стає можливим або при видаленні визначеного числа

факторів, що, як уже вказувалося, часто небажано, або в об’єднанні і

представленні в граничному випадку вихідного числа факторів одним,

штучно синтезованим на їхній основі.

 

Пропонований підхід до рішення задач ідентифікації дозволяє відповідно

до приведених висновків поліпшити процес побудови моделі і її якість. В

основі його лежить застосування методу емпіричного ризику [1] при

проектуванні даних в одномірний простір. Слід зазначити, що ідея

зниження розмірності, іншими словами, ідея редукції вхідної інформації

сама по собі не нова і широко використовується при ідентифікації

об’єктів, оскільки дозволяє підвищити точність моделювання. Збільшення

розмірності, а отже, і числа оцінюваних параметрів, вимагає збільшення

обсягу вибірки. Однак вибірки великого обсягу важко не тільки

одержувати, але й обробляти, оскільки для роботи з ними вимагаються

великі потужності ЕОМ і багато машинного часу. Тому необхідно

користуватися вибірками малого обсягу, у результаті чого неминуче

зростають помилки оцінювання. Зниження розмірності звичайно досягається

за допомогою процедури експертних оцінок, що дозволяє відсіяти

-----> Page:

0 [1] [2] [3]

ЗАМОВИТИ ОРИГІНАЛЬНУ РОБОТУ