Giliųjų neuroninių tinklų taikymo verslo procesuose tyrimas

Abstract

Baigiamajame magistro darbe nagrinėjamas giliųjų neuroninių tinklų taikymas verslo procesuose. Gilusis neuroninis tinklas – žmogaus smegenų neuroninių tinklų veikimą imituojantis matematinių operacijų modelis, gebantis apdoroti ir analizuoti labai didelius informacijos kiekius. Toks metodas gali būti taikomas ir verslo procesams analizuoti, siekiant juos pagerinti ir ištirti. Analitinėje darbo dalyje analizuojami šaltiniai, kuriuose nagrinėjami verslo procesai, gilieji neuroniniai tinklai, jų architektūrų tipai, sudedamosios dalys, taikymo galimybės bei įrankiai, skirti tokių neuroninių tinklų kūrimui. Tiriamojoje darbo dalyje pasiūlytas giliaisiais neuroniniais tinklais paremtas verslo procesų analizės metodas, kuris leidžia atlikti verslo proceso veiklų laiko trukmės prognozes. Pasiūlytas metodas buvo įgyvendintas naudojant „TensorFlow“ programinį įrankį. Atlikus su verslo procesu susijusių duomenų rinkinio (įvykių žurnalo) analizę, gauti darbo rezultatai parodė siūlomo metodo įgyvendinamumą. Tačiau prognozės rezultato paklaida yra per didelė, kad toks metodas būtų priimtinas verslo aplinkoje. Todėl reikalingi tolesni tyrimai, kurie leistų pagerinti giliojo neuroninio tinklo generuojamus rezultatus.Darbą sudaro: įvadas, verslo procesų, jų modeliavimo ir giliųjų neuroninių tinklų literatūros analizė, giliųjų neuroninių tinklų kūrimo įrankių analizė, giliųjų neuroninių tinklų taikymo verslo procesuose metodo analizė, eksperimentinis tyrimas, išvados, tolesnių tyrimų kryptys, literatūros sąrašas. Darbo apimtis – 76 p. teksto be priedų, 28 iliustr., 9 lent., 50 bibliografinių šaltinių.

The final master's thesis deals with the application of deep neural networks in business processes. Deep neural network is a model of mathematical operations that simulates the operation of neural networks in the human brain, capable of processing and analyzing very large amounts of information. Such an approach can also be applied to analyze business processes, with the aim of improving and researching them. The analytical part of thesis analyzes the sources that analyze business processes, deep neural networks, their architectural types, components, application possibilities and tools for the development of such neural networks. In the research part of the work, a method of business process analysis based on deep neural networks is proposed, which allows to make time forecasts of business process activities. The proposed method was implemented using the TensorFlow software tool. After the analysis of the data set (event log) related to the business process, the obtained results showed the feasibility of the proposed method. However, the error in the forecast result is too large for such an approach to be acceptable in a business environment. Therefore, further research is needed to improve the results generated by the deep neural network. Thesis structure: introduction, analysis of business processes, their modeling and deep neural network literature, analysis of deep neural network development tools, analysis of deep neural network application in business processes, experimental research, conclusions, directions for further research, references. Thesis consist of: 76 p. text without appendixes, 28 pictures, 9 tables, 50 bibliographical entries.