URI | http://purl.tuc.gr/dl/dias/AC8B7DCE-3168-4791-9954-BF8B51C56E06 | - |
Αναγνωριστικό | https://doi.org/10.26233/heallink.tuc.20735 | - |
Γλώσσα | el | - |
Μέγεθος | 65 σελίδες | el |
Τίτλος | Πρόβλεψη φαρμακευτικών πωλήσεων με τη χρήση τεχνητών νευρωνικών δικτύων και νευρο-ασαφών συστημάτων | el |
Δημιουργός | Brokalakis Iosif | en |
Δημιουργός | Μπροκαλακης Ιωσηφ | el |
Συντελεστής [Επιβλέπων Καθηγητής] | Atsalakis Georgios | en |
Συντελεστής [Επιβλέπων Καθηγητής] | Ατσαλακης Γεωργιος | el |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Zopounidis Konstantinos | en |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Ζοπουνιδης Κωνσταντινος | el |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Atsalakis Georgios | en |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Ατσαλακης Γεωργιος | el |
Εκδότης | Technical University of Crete | en |
Εκδότης | Πολυτεχνείο Κρήτης | el |
Ακαδημαϊκή Μονάδα | Technical University of Crete::School of Management and Production Engineering | en |
Ακαδημαϊκή Μονάδα | Πολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησης | el |
Περίληψη | Τα τελευταία χρόνια οι φαρμακευτικές πωλήσεις στην Ελλάδα έχουν υποστεί σημαντική μείωση. Συνέπεια αυτής εξέλιξης αποτελεί ο σκεπτικισμός με τον οποίο αντιμετωπίζουν μεγάλες επιχειρήσεις της φαρμακευτικής βιομηχανίας μελλοντικές τους επενδύσεις. Η ανάγκη για μακροπρόθεσμες και ακριβείς προβλέψεις ως εργαλείο στρατηγικού προγραμματισμού αυξάνει. Στόχος της παρούσας διπλωματικής εργασίας αποτελεί ο σχεδιασμός ενός μοντέλου μακροπρόθεσμης (πολλών βημάτων μπροστά) πρόβλεψης για τις συνολικές πωλήσεις της φαρμακευτικής βιομηχανίας. Προς αυτήν την κατεύθυνση διερευνούμε μεθοδολογίες από τον τομέα της Τεχνητής Νοημοσύνης. Τα Εμπρόσθια Νευρωνικά Δίκτυα και το Προσαρμοστικό Νεύρο-Ασαφές Σύστημα Εξαγωγής Συμπεράσματος υιοθετήθηκαν. Οι συγκεκριμένες τεχνικές έχουν αποδείξει την ανωτερότητά τους έναντι των στατιστικών μεθόδων σε προβλήματα πρόβλεψης ενός βήματος μπροστά. Ωστόσο, η μακροπρόθεσμη πρόβλεψη αποτελεί πρόκληση για τους ερευνητές. Η υλοποίηση των μοντέλων βασίστηκε στα δεδομένα των τελευταίων 14 ετών, τα οποία διατίθενται στην ιστοσελίδα του Εθνικού Οργανισμού Φαρμάκων. Τα αποτελέσματα των δύο μεθοδολογιών συγκρίθηκαν και αξιολογήθηκαν με στόχο τον εντοπισμό του κατάλληλου μοντέλου για το συγκεκριμένο πρόβλημα. | el |
Τύπος | Διπλωματική Εργασία | el |
Τύπος | Diploma Work | en |
Άδεια Χρήσης | http://creativecommons.org/licenses/by/4.0/ | en |
Ημερομηνία | 2014-09-09 | - |
Ημερομηνία Δημοσίευσης | 2014 | - |
Θεματική Κατηγορία | Artificial neural networks | en |
Θεματική Κατηγορία | Nets, Neural (Computer science) | en |
Θεματική Κατηγορία | Networks, Neural (Computer science) | en |
Θεματική Κατηγορία | Neural nets (Computer science) | en |
Θεματική Κατηγορία | neural networks computer science | en |
Θεματική Κατηγορία | artificial neural networks | en |
Θεματική Κατηγορία | nets neural computer science | en |
Θεματική Κατηγορία | networks neural computer science | en |
Θεματική Κατηγορία | neural nets computer science | en |
Βιβλιογραφική Αναφορά | Ιωσήφ Μπροκαλάκης, "Πρόβλεψη φαρμακευτικών πωλήσεων με τη χρήση τεχνητών νευρωνικών δικτύων και νευρο-ασαφών συστημάτων", Διπλωματική Εργασία, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2014 | el |