Интеллектуальные технологии обработки информации для управления малыми и средними предприятиями на основе регуляризирующего байесовского подхода

Цель исследования: разработка и теоретическое обоснование модели интеллектуальной технологии обработки информации, предназначенной для поддержки принятия управленческих решений на малых и средних предприятиях (МСП) в условиях неопределенности и неполноты данных, основанной на применении регуляризирующего байесовского подхода (РБП).

Методы исследования: системный анализ, теория принятия решений, методы искусственного интеллекта и машинного обучения, в частности, байесовские сети доверия и нейронные сети, а также теория вероятностей и математическая статистика. Ядром методологии выступает регуляризирующий байесовский подход, который формализует и учитывает априорную информацию для повышения устойчивости моделей на малых выборках.

Результаты исследования: на основании проведенного анализа предложена структурно-функциональная модель интеллектуальной технологии управления МСП. Модель интегрирует модули сбора, предобработки данных и ядро байесовского вывода, реализующее процедуры регуляризации. Показано, что применение РБП поможет снизить риски переобучения моделей при ограниченном объеме статистических данных, характерном для МСП, и повысить качество управленческих прогнозов и решений. Разработаны рекомендации по применению технологии для задач прогнозирования спроса, оценки рисков и управления персоналом.

Научная новизна: адаптация и развитие методологии регуляризирующего байесовского подхода для решения слабоструктурированных задач управления малыми и средними предприятиями. В отличие от стандартных методов машинного обучения, предложенная технология обеспечивает формальный учет априорной экспертной информации и отраслевых знаний для регуляризации решений, что критически важно в условиях высокой волатильности и дефицита данных, свойственных сектору МСП.