кандидат экономических наук;
candidate of economic sciences;
Среди множества методов анализа управления знаниями необходимо сделать выбор между несколькими конкурирующими методологиями и приемами. В работе предложено использовать методы машинного обучения для оценки стратегий управления знаниями. Вследствие огромной информации по данной тематике основные выводы получены с применением нормативной документации по оценкам стратегий. Решены задачи по выбору оценок с использованием нейронных сетей и оценке эффективности стратегии с помощью гибридной нейронечеткой системы. База примеров, необходимая для обучения нейронных сетей, была сформирована посредством метода Монте-Карло, а ее качество проверялось через использование главных компонентов. Проверка работы нейронной сети в виде персептрона показала ее пригодность для оценки стратегии управления знаниями. Также эффективность выбранной оценки определялась с применением нейронечеткой системы типа ANFIS, которая продемонстрировала возможность получения количественной балльной оценки.
It is necessary to choose between several competing methodologies and techniques among the many methods of knowledge management analysis. The paper proposes using machine learning methods to evaluate knowledge management strategies. Due to the vast information on this subject, the main conclusions were obtained using the normative documentation on strategy evaluations. The tasks of choosing a strategy are solved using neural networks. Evaluation of the eff ectiveness of the strategy was found using a hybrid neurofuzzy system. The base of examples necessary for training neural networks was formed using the Monte Carlo method, and its quality was checked through the use of the principal components. Testing the work of the neural network in the form of a perceptron showed its suitability for choosing a knowledge management strategy. The eff ectiveness of the chosen strategy was evaluated using an ANFIS type system, which demonstrated the possibility of obtaining a quantitative scoring.