Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://biblio.umsf.dp.ua/jspui/handle/123456789/5897
Повний запис метаданих
Поле DCЗначенняМова
dc.contributor.authorРазумей, Г. Ю.-
dc.contributor.authorРазумей, М. М.-
dc.date.accessioned2023-10-12T06:44:00Z-
dc.date.available2023-10-12T06:44:00Z-
dc.date.issued2023-10-12-
dc.identifier.citationРазумей Г. Ю., Разумей М. М. Штучний інтелект в управлінні ризиками та визначенні об’єктів контролю для митного аудиту. Публічне управління та митне адміністрування, № 2 (37), 2023. С. 83-89.uk_UA
dc.identifier.issn2310-9653-
dc.identifier.urihttp://biblio.umsf.dp.ua/jspui/handle/123456789/5897-
dc.description.abstractУ статті висвітлено можливості застосування методів машинного навчання та штучного інтелекту в управлінні ризиками та визначенні потенційних об’єктів контролю для проведення заходів митного аудиту митними органами України. Актуальність дослідження обумовлена стрімкою активізацією впровадження штучного інтелекту у всіх сферах суспільного життя для підвищення продуктивності та автоматизації процесів. Автори розглядають існуючі підходи щодо планування заходів митного аудиту за результатами застосування автоматизованої системи аналізу ризиків в митних органах. Разом з цим пропонуються нові підходи до аналізу великих даних та побудови моделей машинного навчання на конкретних прикладах щодо прогнозування порушень митного законодавства суб’єктами зовнішньоекономічної діяльності. Розглянуто модель класифікації об’єктів за допомогою методу логістичної регресії. Встановлено, що даний підхід дозволяє прогнозувати митні правопорушення за результатами тренування відповідної моделі на великому обсязі даних з точністю більше 85%. При цьому модель зберігає потенціал для покращення точності прогнозів, за умови застосування додаткових методів підвищення ефективності роботи відповідного алгоритму. Розглянуто загальний підхід до побудову та застосування моделі «дерево рішень», яка також здатна класифікувати нові об’єкти після тренування на великій кількості конкретних прикладів. Зазначається, що розглянуті методи машинного навчання для прогнозування правопорушень в митній справі не можна вважати штучним інтелектом у сучасному розумінні. Визначено, що за умови удосконалення розглянутих моделей за допомогою більш складних комплексних алгоритмів можна будувати значно ефективніші моделі і застосовувати їх на практиці в митних органах в управлінні ризиками як повноцінні алгоритми штучного інтелекту. Акцентовано увагу на тому, що для виявлення потенційних об’єктів контролю в рамках митного аудиту необхідним є формування повної та структурованої бази даних щодо зовнішньоекономічних операцій в митних органах.uk_UA
dc.language.isoukuk_UA
dc.publisherУніверситет митної справи та фінансівuk_UA
dc.relation.ispartofseriesПублічне управління та митне адміністрування;№ 2 (37), 2023-
dc.subjectштучний інтелектuk_UA
dc.subjectмашинне навчанняuk_UA
dc.subjectуправління ризикамиuk_UA
dc.subjectмитний аудитuk_UA
dc.subjectлогістична регресіяuk_UA
dc.subjectдерево рішеньuk_UA
dc.subjectалгоритм, модельuk_UA
dc.titleШтучний інтелект в управлінні ризиками та визначенні об’єктів контролю для митного аудитуuk_UA
dc.typeArticleuk_UA
Розташовується у зібраннях:2023/ №2(37)

Файли цього матеріалу:
Файл Опис РозмірФормат 
11.pdf377,2 kBAdobe PDFПереглянути/Відкрити


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.