Главная » Статьи » Сортировка материалов по секциям » Экономические науки |
Математическое моделирование при определении эффективности рекламы Автор: Хасан Али Аль-Абабнех, кандидат технических наук, аспирант кафедры международной экономики Национального авиационного университета
Оценивание эффективности рекламы является первоочередной задачей маркетологов. Сложность данного процесса в том, что до сих пор не разработана универсальная методика, которая бы удовлетворяла всем запросам. Поскольку рекламная коммуникация процесс динамичный и многофокторный, постоянно существует риск потерять из виду, при проведении расчетов, какой-то из критериев, который на первый вигляд может показаться незначительным и не несущим профильной информации, но при детальной оценке может значительно повлиять на конечный результат функционирования рекламы. Оптимальным решением в данной ситуации служит использование методики нечеткого моделирования, потому как методология нечеткого моделирования, ориентирована на нечеткость информации, ее приближенный характер, а именно такими параметрами характеризуется рекламный процесс. Мною предложен способ построения нечеткой модели, который включает в себя: – построение модели на основе нечетких правил; – создание структуры модели; – разработку процедуры оценивания по модели; – выбор критерия качества для обучения модели; – адаптация параметров модели. Нечеткие правила имеют вид: Создание структуры модели происходит по принципу формирования слоев нейросети: – входной (нулевой) слой содержит нейроны, которые соответствуют факторам, влияющим на эффективность функционирования; – первый слой реализует фаззификацию, а его нейроны соответствуют качественным значениям факторов; – второй слой реализует агрегирование подусловий, а его нейроны соответствуют условиям; – третий слой реализует активизацию правил, а его нейроны соответствуют заключениям; – четвертый (выходной) слой реализует агрегирование заключений, а его нейроны соответствуют качественным значениям комплексного оценивания. Следующий этап - разработка процедуры оценивания по модели, которая включает 4 этапа: – фаззификация; – агрегирование подусловий (применяется способ минимального значения, функция активации берется линейной); – активизация заключений (применяется способ минимального значения, функция активации берется линейной); – агрегирование заключений (применялся способ максимального значения, функция активации бралась линейной). В проведенном исследовании фаззификация выполняется в виде:
Способы обучения нейросетевых моделей, дают вероятность решения задачи не выше 0.95, причем лучшие способы обладают медленным обучением, а применение градиентных способов к нечетким нейросетям затруднительно. Поэтому при проведении исследования были применены метаэвристические способы адаптации. Для анализа результата оценивания эффективности функционирования были сформированы следующие логико-формальные правила: Адаптивный нормированный порог для логико-формальных правил максимизирует вероятность правильного оценивания и рассчитывался на основе следующего правила: Проведенные численные исследования предложенного способа расчета факторов для разработанной нечеткой модели, позволяют подтвердить, что предложенный способ расчета факторов является эффективным и может быть применен на практике.
Литература: 1. Пантелеев А.В. Метаевристические алгоритмы поиска глобального экстремума. - М: МАИ- Принт, 2009. - 159 с. 12. 2. Ходашинский И.А. Оценивание величин нечеткой арифметики // Автометрия. - 2004. - № 3. - С. 21-31. 3. Ходашинский И.А. Идентификация нечетких систем: методы и алгоритмы // Проблемы управления. - 2009. - № 4. - С. 15-23. 4. Espinosa J., Vandewalle J., Wertz V. Fuzzy logic, identification and predictive control. — London: Springer-Verlag, 2005. — 263 p. |
|
|
|
Просмотров: 38 | Рейтинг: 5.0/1 |
Всего комментариев: 0 | |