Проблема узгодження пріоритетів (переваг) за ризиком
Проблема узгодження пріоритетів за ризиком — одна з актуа-льних в теорії управління ризиком. Вона полягає в побудові пра-вила колективного прийняття рішень з урахуванням пріоритетів за ризиком різних учасників. Ця проблема (узгодження інтересів) плідно вивчається, зокрема, теорією гри. Останньою запропоно-вано низку підходів і критеріїв щодо розв’язання задач у ситуаці-ях невизначеності, конфлікту та породженого ними ризику (кри-терії Вальда, Севіджа, розв’язки Неша тощо). Запропонована велика кількість критеріїв ефективності, що відіграють роль пра-вила колективного вибору: ефективність за Паретто, ефектив-ність за Колдора-Хіксом, подвійний критерій Ситовські тощо. Наголосимо, що узгодженість оцінок і пріоритетів має специ-фічні особливості в умовах невизначеності. По-перше, учасники наділені різною схильністю (несхильністю) до ризику. По-друге, учасники по-різному оцінюють ступінь ризику в одній і тій самій ситуації (різні суб’єктивні ймовірності). По-третє, апостеріорні оцінки прийнятих рішень і конфліктів відрізняються від апріор-них оцінок. По-черверте, місце булевої логіки займає нечітка ло-гіка, що допускає судження з різним ступенем упевненості стосо-вно їх істинності. Існує думка щодо доцільності розбудови та використання нейронних мереж теорії адаптивного резонансу для узгодження пріоритетів (переваг) за ризиком. Основи теорії адаптивного ре-зонансу (ART-Adaptive Resonance Theory) були закладені С. Гросбергом у 1976 р. Однією з моделей є ART-1 — модель нейроме-режі, що реалізує основні принципи теорії адаптивного резонансу. Ця мережа складається з двох шарів нейронів та . Вхідна інформація (в бінарному вигляді) подається на шар . Нейрони цього шару збуджуються (перетворюють вхід за де-якими формулами з постійними параметрами) і залежно від пока-зників збудженого стану порогова функція вказує вихідне зна-чення кожного нейрона, що передається за прямими зв’язками на вхід нейронного шару . Разом з тим на вхід кожного нейрона шару надходить зважена ваговими коефіцієнтами зв’язків су-ма відповідних вихідних значень нейронів шару . Після збу-дження нейронного шару визначається нейрон-«переможець», що має максимальне значення збудженого стану. Його вихідне значення передається по зворотних зв’язках нейронам шару . Зважене ваговими коефіцієнтами зворотних зв’язків, воно пере-творюється на збуджені стани нейронів шару , порогова функ-ція вказує вихідні значення цих нейронів — вихід нейронної ме-режі. Нейромережа самонавчається на навчальних прикладах упро-довж кількох циклів через зміну вагових коефіцієнтів зв’язків за-лежно від ступеня досягнення певного рівня відповідності. У ре-зультаті навчання встановлюється резонанс, коли для пари векторів значень за подачі на вхід нейромережі одного вектора, другий буде виходом, і навпаки. Самонавчання нейромережі по-лягає в підборі вагових коефіцієнтів нейронів, що забезпечують резонанс, тобто представництво інтересів, які не збігаються. Наголосимо, що нейрони в даному контексті не наділені яки-мись особливими властивостями, окрім порогової функції. Це лише елементи нейромережі, тому їх можна і треба замінити від-повідними комп’ютерними моделями. Оскільки в умовах невизначеності природним є використання нечіткої логіки, учаснику необхідно надати можливість розподі-ляти свої судження згідно з його нечіткими (вербальними) пріо-ритетами. Це можливо реалізувати за допомогою відповідним чином побудованого вхідного шару нейронної мережі для подан-ня нечітких пріоритетів. Це не так важко здійснити, маючи від-повідний програмно-методичний комплекс, що функціонує в ін-терактивному режимі. Звичайно ж, задача непроста і вимагає побудови тріади «мо-дель—алгоритм—програма».
Ви переглядаєте статтю (реферат): «Проблема узгодження пріоритетів (переваг) за ризиком» з дисципліни «Ризикологія в економіці та підприємстві»
