Анализ и програмирование финансого состояния предприятия на примере ООО Деловые-линии

Дипломная Купить готовую Узнать стоимостьмоей работы

Луценко Е. В., Лойко В. И., Барановская Т. П. Концептуальные основы управления экономической устойчивостью перерабатывающего комплекса региона с применением технологий искусственного интеллекта // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2013. № 87. С. 627−636. 6(6). Нейросетевая кластеризация сетями Кохонена предприятий строительной… Читать ещё >

Анализ и програмирование финансого состояния предприятия на примере ООО Деловые-линии (реферат, курсовая, диплом, контрольная)

Содержание

Введение
1. ТЕОРЕТИЧЕСКИЕ АСПЕКТЫ АНАЛИЗА И ПРОГНОЗИРОВАНИЯ ФИНАНСОВОГО СОСТОЯНИЯ ПРЕДПРИЯТИЯ
- 1. 1. Понятие и сущность анализа финансового состояния предприятия
- 1. 2. Основные понятия и принципы автоматизации анализа финансового состояния предприятия
- 1. 3. Сравнительная характеристика основных программных продуктов, используемых для прогнозирования финансового состояния предприятия
2. ПРАКТИКА ИСПОЛЬЗОВАНИЯ СИСТЕМЫ АНАЛИЗА И ПРОГНОЗИРОВАНИЯ ФИНАНСОВОГО СОСТОЯНИЯ
- 2. 1. Краткая характеристика ООО «Деловые линии»
- 2. 2. Оценка предметной области анализа финансового состояния ООО «Деловые линии»
- 2. 3. Оценка эффективности внедрения системы прогнозирования в ООО «Деловые линии»
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЕ А

— 2014. 13 с.

Коваленко А.В., Уртенов М. Х. Разработка и внедрение программного комплекса для мониторинга и прогнозирования финансово-экономического состояния предприятий республики Татарстан // Наука Кубани. 2014. № 4 С. 70−79.

Коваленко А.В., Уртенов М. Х. Нейросетевое моделирование инфляции в России // Научный журнал Куб.

ГАУ, № 61(07), 2015.

http://ej.kubagro.ru/2010/07/pdf/23.pdf.

Лаврушин, О. И. Банковское дело / О. И. Лаврушин, И. Д. Мамонова, Н. И. Валенцева; Под ред. Лаврушина О. И. — М.: КНОРУС, 2016. — 768с.

Леоненков, А.В. Нечѐткое моделирование в среде MATLAB и fuzzyTECH / А. В. Леоненков. — СПб.: БХВ-Петербург, 2013. -736 с.

Лойко, В. И. Потоковые модели управления агропромышленным комплексом на макрои микроуровнях / В. И. Лойко, Т. П. Барановская, И. В. Арушанов. — Краснодар: Куб.

ГАУ, 2014. — 107 с.

Лойко В.И., Барановская Т. П., Луценко Е. В. Потоковые модели управления эффективностью инвестиций в агропромышленных объединениях- Краснодар: Куб.

ГАУ, 2012. — 107 с.

//Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2014. № 83. С. 488−504.

7(5).

Луценко, Е. В. Интеллектуальные информационные системы: учеб. пособие для вузов / Е. В. Луценко. — 2-е изд., перераб. и доп.- Краснодар: Куб.

ГАУ, 2016. — 615 с.

Луценко, Е. В. Создание автоматизированной системы мониторинга, анализа, прогноза и управления продуктивностью сельскохозяйственных культур / Е. В. Луценко, Л. М. Лопатина // Научный журнал Куб.

ГАУ [Электронный ресурс]. — Краснодар: Куб.

ГАУ, 2003. — № 02 (2) — Режим доступа:

http://ej.kubagro.ru/2013/ 02/07/p07.asp.

Луценко Е.В., Лойко В. И., Барановская Т. П. Концептуальные основы управления экономической устойчивостью перерабатывающего комплекса региона с применением технологий искусственного интеллекта // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2013. № 87. С. 627−636. 6(6).

Многозначная логика//wikipedia.org — свободная энциклопедия Википедия.

2013.URL:

http://ru.wikipedia.org/wiki/Многозначная_логика (дата обращения: 20.

05.2014).

Недосекин, А. О. Методологические основы моделирования финансовой деятельности с использованием нечетко-множественных описаний: дис.. д. экон. наук / А. О. Недосекин. — СПб., 2003. — 280 с.

Недосекин А. О. Сводный финансовый анализ российских предприятий за 2000;2003 гг. Аудит и финансовый анализ, 2015.

Нейросетевая кластеризация сетями Кохонена предприятий строительной отрасли Краснодарского края/ Л. Н. Заикина, А. В. Коваленко, М. Х. Уртенов // Обозрение прикладной и промышленной математики: научно-теоретический журнал. -2010 — Вып.6-Т.17 — С.882−883. (0.25 п.л.) — в том числе (0.1 а.л.).

Нечеткая логика в бизнесе и финансах//tora-centre.ru — аналитические программы, решения и технологии.

2013.URL:

http://www.toracentre.ru/library/fuzzy/fuzzy-.htm (дата обращения: 11.

05.2013).

Никитин, Н. А. Модели товарооборота сети розничной торговли Официальный сайт компании ООО «Аякс-Строй». [Электронный ресурс] URL: www.ayax.ru/ayax_stroy (дата обращения: 12.

11.2014).

Официальный сайт разработчика «1С: Предприятия». [Электронный ресурс] URL: v8.1c.ru (дата обращения: 20.

11.2014).

Попова Е.В., Тамбиева Д. А., Салпагарова Ш. Х. К проблеме недостаточности информации. малые выборки или «очень короткие» временные ряды // Научный журнал Куб.

ГАУ, № 107(03), 2015.

http://ej.kubagro.ru/2015/03/pdf/07.pdf.

Портал исполнительных органов государственной власти Краснодарского края. URL:

http://www.krasnodar.ru/ (дата обращения: 05.

03.2013).

Программа на ЭВМ «Строй+» / Л. Н. Заикина, А. В. Коваленко, М. Х. Уртенов.

/ Свидетельство о государственной регистрации № 2 012 660 648, зарегистрировано в реестре 28.

11.2012 / Л. Н. Заикина, А. В. Коваленко, М. Х. Уртенов /.

Программа на ЭВМ «Экономист-эксперт 1.0» / Л. Н. Заикина, А. В. Коваленко, М. Х. Уртенов / Свидетельство о государственной регистрации.

№ 2 013 619 370, зарегистрировано в реестре 03.

10.2013.

Пястолов С. М. Экономический анализ деятельности предприятий. Учебное пособие. — М.: Академический Проект, 2003. — 572 с.

Разработка управляемого интерфейса. [ Текст] / В. А. Ажеронок, А. В. Островерх, М.

Г. Радченко, Е. Ю. Хрусталева. — М.: 1С-Паблишинг, 2010.

— 723 с.: ил. — 1000 экз. — ISBN 978−5-9677−1148−0.

Рохам Мехрдад, Математические методы и модели анализа развития малых и средних предприятий Горячая Линия-Телеком, 2014. — 452с.

Роденков, Е. В. Математическое и алгоритмическое обеспечение задачи автоматизации процесса дезинфекции ПЭТ-бутылок с помощью озона Горячая Линия-Телеком, 2015. — 452с.

Руденко, О. В. Высокоточное нейросетевое распознавание в системах технического зрения Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. Горячая Линия-Телеком, 2014. — 452с.

Стратегия развития строительной отрасли Краснодарского края до 2020 г. [Текст]: офиц. текст. — Краснодар: 2014.

Теория большого бума / Н. Проценко, А. Филатова // Эксперт Online.

http://expert.ru/south/2012/08/teoriya-bolshogo-buma/.

Территориальный орган Федеральной службы государственной статистики по Краснодарскому краю. URL:

http://krsdstat.gks.ru/ (дата обращения: 15.

04.2015).

Тимакин, О.А. Организационно-экономический механизм создания и реорганизации корпоративных (холдинговых) структур Трубилин А. И., Барановская Т. П., Лойко В. И., Луценко Е. В. Модели и методы управления экономикой АПК региона. Краснодар, 2012.

Федеральная служба государственной статистики. URL:

http://www.fedstat.ru/ (дата обращения: 29.

03.2015).

Филимонов, А. В. Структурирование и обучение нейронных сетей с применениями к задачам физической химии и медицины Хайкин С. Нейронные сети: полный курс, 2-е издание. Вильямс, 2016 г. — 1104 с.

Aris — нотация моделирования бизнеспроцессов. [ Электронный ресурс ] // Институт стратегического управления социальными системами. URL: ismss.ru/uploads/p283.pdf (дата обращения: 15.

11.2012).

Financial analysis 2.0 URL:

http://logmarket.euro.ru/.

QFinAnalysis 1.4 URL:

http://www.beintrend.ru.

ПРИЛОЖЕНИЕ А.

/ 1 2 3 4 5 6 7 8 9 П1 1,4 420 170 000 1,938 570 000 0,2 169 000 000 0,2 987 966 000 0,5 151 541 000 0,2 239 965 000 -2,2 862 440 000 0,3 621 755 000 -0,2 321 000 000 L1 -0,4 679 000 000 -0,6 898 000 000 -0,4 465 000 000 0,3 333 173 000 -0,2 553 000 000 1,447 520 000 0,315 100 000 1,3 081 710 000 0,6 735 414 000 L3 -0,3 181 000 000 0,5 324 891 000 0,4 025 115 000 0,6 674 702 000 -0,5 984 000 000 0,1 954 934 000 0,4 736 554 000 -0,2 626 000 000 -0,2 817 000 000 P1 0,7 343 992 000 -0,5 731 000 000 -0,1 749 000 000 -0,6 225 000 000 1,6 011 770 000 -1,1 131 600 000 -0,9 098 000 000 -0,7 417 000 000 1,4 236 660 000 F1 0,5 179 695 000 -0,8 511 000 000 -0,1 293 000 000 -0,4 433 000 000 -0,3 076 000 000 -1,672 490 000 0,2 438 171 000 -1,2 536 690 000 0,825 600 000 F2 -0,4 748 000 000 -0,793 900 000 -0,1 079 000 000 -1,528 290 000 -0,5 362 000 000 1,1 768 190 000 0,5 779 347 000 2,1 685 080 000 -1,7 377 250 000 F3 0,6 250 819 000 0,7 753 826 000 -0,1 320 000 000 1,2 723 670 000 -0,5 619 000 000 0,1 728 796 000 0,2 176 574 000 -0,963 200 000 -1,718 820 000 F4 0,1 877 887 000 0,1 060 788 000 -1,1 790 770 000 -1,989 650 000 -1,315 340 000 -0,4 581 000 000 0,1 268 762 000 -1,3 813 970 000 -0,2 716 000 000 A2 0,6 428 880 000 -0,6 639 650 000 0,7 617 799 000 -0,1 824 800 000 -0,652 800 000 0,4 995 919 000 -1,3 739 030 000 -0,6 560 000 000 0,9 377 120 000 A4 1,184 220 000 -0,5 090 000 000 -0,5 871 000 000 0,2 868 001 000 -0,1 478 000 000 -0,7 356 000 000 -0,6 010 000 000 0,3 484 370 000 1,156 640 000 A5 0,2 609 305 000 -0,5 610 000 000 1,2 269 260 000 -0,1 377 000 000 0,5 098 633 000 -0,4 181 000 000 -0,8 937 150 000 0,5 034 957 000 1,100 470 000 A6 0,3 957 153 000 -0,1 056 000 000 0,5 568 292 000 -0,1 882 000 000 -0,7 148 000 000 0,5 062 490 000 -0,9 262 000 000 1,7 777 350 000 -0,1 118 000 000 R1 1,510 290 000 0,7 685 231 000 -0,318 400 000 0,3 923 930 000 0,6 104 449 000 0,2 820 617 000 -1,6 846 210 000 1,5 275 490 000 0,7 704 907 000 R2 -0,1 930 000 000 0,8 298 126 000 -0,2 553 000 000 0,1 426 140 000 0,3 218 305 000 -0,2 232 000 000 -0,7 019 000 000 -0,5 941 000 000 -0,3 963 000 000 R3 0,8 931 633 000 -0,5 625 000 000 1,2 083 730 000 -0,4 286 000 000 0,6 844 769 000 -0,4 387 260 000 -1,5 584 580 000 -0,9 532 000 000 0,7 674 709 000 R4 0,7 262 912 000 0,7 630 392 000 0,8 145 739 000 -0,3 079 000 000 0,8 160 810 000 0,8 367 019 000 -0,3 919 000 000 0,4 161 920 000 0,1 061 319 000.

Таблица A.

1.-Веса и пороги обученной нейронной сети (первый слой).

/ 1 2 3 4 5 6 X1 -1,6 395 580 000 -1,3 832 770 000 -0,1 741 000 000 -0,7 100 000 000 0,7 401 482 000 0,6 311 068 000 X2 0,5 523 946 000 -0,6 131 000 000 -0,2 025 000 000 -0,163 400 000 0,3 565 000 000 0,6 788 761 000 X3 -1,3 680 490 000 -0,5 080 000 000 -1,2 842 930 000 1,963 230 000 -0,1 751 000 000 -0,4 009 000 000 X4 0,6 857 326 000 -0,617 300 000 -0,5 668 000 000 -0,2 349 000 000 0,6 923 028 000 -0,6 617 000 000 X5 -0,6 096 000 000 0,2 136 079 000 0,6 130 910 000 -0,649 200 000 1,440 980 000 -1,3 006 940 000 X6 0,8 600 093 000 -1,2 219 110 000 -0,2 149 000 000 -0,7 512 160 000 -0,9 850 000 000 -1,2 179 270 000 X7 2,2 260 950 000 1,8 981 440 000 -0,8 443 000 000 -1,6 156 750 000 -1,8 081 300 000 -1,496 360 000 X8 1,7 325 830 000 -2,6 582 540 000 1,2 214 190 000 0,6 630 570 000 -0,6 464 000 000 -0,637 700 000 X9 -2,6 715 370 000 -0,1 589 000 000 -0,286 500 000 -0,6 338 000 000 1,2 373 490 000 0,5 692 109 000.

Таблица A.

2.-Веса и пороги обученной нейронной сети (второй слой).

Приложение.

using System;

using System.Collections.Generic;

using System. Linq;

using System. Text;

using System.Text.RegularExpressions;

using System. IO;

namespace LR1Razbor.

class cRule.

public string name;

public List<string> right, actions, start;

public cRule (string s).

name = s;

right = new List<string>();

actions = new List<string>();

start = new List<string>();

class CSit.

public int rulen, pos, rermn;

public bool cmp (CSit sit2).

return rulen == sit2.rulen.

&& pos == sit2.pos.

&& rermn == sit2. rermn;

class cState.

public List<CSit> list = new List<CSit>();

public bool cmp (cState s2).

if (list.Count () ≠ s2.list.Count ()) return false;

for (int i = 0; i < list. Count (); i++).

if (!list[i]. cmp (s2.list[i])) return false;

return true;

public void addsit (int r, int p, int t).

CSit s = new CSit ();

s.pos = p; s. rulen = r; s. rermn = t;

list.Add (s);

class cEdge.

private List<string> list = new List<string>();

public int cnt () { return list. Count (); }.

public bool add (int from, int to, int term).

string s = string. Format («{0}:{1}:{2}», from, to, term);

if (list.Contains (s)) return false;

list.Add (s);

return true;

public void get (int i, out int from, out int to, out int term).

Match m = Regex. Match (list[i], «^(\d+):(\d+):(\d+)$»);

from = int. Parse (m.Groups[1]. Value);

to = int. Parse (m.Groups[2]. Value);

term = int. Parse (m.Groups[3]. Value);

public enum eTypeTableItem { S, P, E, H };

class cTable.

public int[,] numbers;

public eTypeTableItem[,] types;

public int count, width;

public void init (int sitcnt, int _width).

count = sitcnt;

width = _width;

numbers = new int[sitcnt, width];

types = new eTypeTableItem[sitcnt, width];

for (int i = 0; i < sitcnt; i++).

for (int j = 0; j < width; j++).

numbers[i, j] = -1;

types[i, j] = eTypeTableItem. E;

class cToken.

public string s;

public int nl, np, nterm;

public cToken (string str, int termind, int l, int p).

s = str;

nl = l;

np = p;

nterm = termind;

static class Program.

static List<cRule> Rules = new List<cRule>();

static List<cState> States = new List<cState>();

static cTable Tbl = new cTable ();

static List<string> terminals = new List<string>();

static List<string> noterminals = new List<string>();

static List<string> regulars = new List<string>();

static private List<cToken> input = new List<cToken>();

static private int curtoken;

static void addtoken (string s, int line, int posinline).

int termindex = terminals. IndexOf (s);

if (termindex == -1).

foreach (string sp in regulars).

if (Regex.IsMatch (s, sp)).

termindex = terminals. IndexOf (sp);

break;

if (termindex == -1).

termindex += 1 — 1;

input.Add (new cToken (s, termindex, line, posinline));

static public bool loadtokens (string filename).

if (!File.Exists (filename)) return false;

string[] l = File. ReadAllLines (filename);

Match m;

int p;

for (int i = 0; i < l. Length; i++).

string str = l[i]. ToUpper () + ««;

p = 1;

while (str ≠ «»).

m = Regex. Match (str, «^(\s+)»);

if (m.Success).

str = str. Substring (m.Groups[1]. Length);

p += m. Groups[1]. Length;

if (str == «») break;

m = Regex. Match (str, «^\s*([A-Za-z₀−9]+)(\s-[\{\}\[\],\.;])»);

if (m.Success).

addtoken (m.Groups[1]. Value, i, p);

str = str. Substring (m.Groups[1]. Length);

p += m. Groups[1]. Length;

continue;

addtoken (str.Substring (0, 1), i, p);

str = str. Substring (1);

p += 1;

return true;

static bool addunic (ref List<string> l, string s).

if (l.IndexOf (s) == -1).

l.Add (s);

return true;

return false;

static public bool loadrules (string filename).

string[] strs = File. ReadAllLines (filename, Encoding. GetEncoding (1251));

int i, j;

string s, str;

bool spec;

Rules.Add (new cRule («first!!!»));

foreach (string inputstr in strs).

if (inputstr == «***») break;

Match m = Regex. Match (inputstr, «^\s*(\S+)\s*([\-\=])\>\s*(.*)$»);

if (!m.Success) continue;

s = m. Groups[1]. Value. ToUpper ();

spec = m. Groups[2]. Value == «=»;

str = m. Groups[3]. Value. ToUpper ();

addunic (ref noterminals, s);

Rules.Add (new cRule (s));

while (str ≠ «»).

m = Regex. Match (str, «\s*(\S+)\s*(.*)$»);

if (!m.Success) return false;

s = m. Groups[1]. Value;

str = m. Groups[2]. Value;

if (s == «.

-").

Rules.Add (new cRule (Rules[Rules.Count — 1]. name));

continue;

if (spec) addunic (ref regulars, s);

addunic (ref terminals, s);

Rules[Rules.Count — 1]. right. Add (s);

Rules[Rules.Count — 1]. actions. Add (««);

Rules[0]. right. Add (Rules[1].name);

for (i = 0; i < noterminals. Count; i++).

j = terminals. IndexOf (noterminals[i]);

if (j > -1).

terminals.RemoveAt (j);

foreach (string sp in regulars).

addunic (ref terminals, sp);

noterminals.Remove (sp);

return true;

static public void fillstart ().

int i, j;

bool b;

while (true).

b = false;

for (i = 0; i < Rules. Count; i++).

string s = Rules[i]. right[0];

if (terminals.IndexOf (s) > -1).

if (addunic (ref Rules[i]. start, s)) b = true;

else.

for (j = 0; j < Rules. Count; j++).

if (Rules[j]. name ≠ s) continue;

for (int t = 0; t < Rules[j]. start. Count; t++).

if (addunic (ref Rules[i]. start, Rules[j]. start[t])).

b = true;

if (!b) break;

static private void intercept (ref cState st, int i, int x).

for (int j = 0; j < States[i]. list. Count (); j++).

CSit s = States[i]. list[j];

if (s.pos == Rules[s.rulen]. right. Count ()) continue;

if (x < terminals. Count ()).

if (Rules[s.rulen]. right[s.pos] ≠ terminals[x]) continue;

else.

if (x == terminals. Count ()).

continue;

else.

if (Rules[s.rulen]. right[s.pos] ≠ noterminals[x — 1 — terminals. Count ()]) continue;

st.addsit (s.rulen, s. pos + 1, s. rermn);

static private bool issval (CSit sit, int bind).

string b = Rules[sit.rulen]. right[sit.pos];

if (Rules[sit.rulen]. right. Count () == sit. pos + 1) // last.

{ // only a.

return bind == sit. rermn;

string betta = Rules[sit.rulen]. right[sit.pos + 1];

int ti = terminals. IndexOf (betta);

if (ti ≠ -1 && ti == bind).

return true;

if (ti ≠ -1) return false;

if (terminals.Count () == bind).

return false;

string varr = terminals[bind];

for (int i = 0; i < Rules. Count (); i++).

if (Rules[i]. name ≠ betta) continue;

for (int j = 0; j < Rules[i]. start. Count (); j++).

if (Rules[i]. start[j] == varr).

return true;

return false;

static private void closing (int ind).

while (true).

bool rep = false;

for (int i = 0; i < States[ind]. list. Count (); i++).

CSit sit = States[ind]. list[i];

if (sit.pos == Rules[sit.rulen]. right. Count ()) continue;

string st = Rules[sit.rulen]. right[sit.pos];

if (terminals.IndexOf (st) ≠ -1) continue;

for (int j = 0; j <= terminals. Count (); j++).

if (!issval (sit, j)) continue;

for (int t = 0; t < Rules. Count (); t++).

if (Rules[t]. name ≠ st) continue;

CSit sit2 = new CSit (); ;

sit2.rulen = t; sit2. pos = 0; sit2. rermn = j;

bool newsit = true;

for (int k = 0; k < States[ind]. list. Count (); k++).

if (States[ind]. list[k].rulen == sit2. rulen && States[ind]. list[k].pos == sit2. pos && States[ind]. list[k].rermn == sit2. rermn) { newsit = false; break; }.

if (newsit).

States[ind]. list. Add (sit2);

rep = true;

if (rep) continue;

break;

static public void createtbl ().

int t_width = terminals. Count () + 1 + noterminals. Count ();

CSit sit;

cState st = new cState ();

cEdge R = new cEdge ();

st.addsit (0, 0, terminals. Count ());

States.Add (st);

closing (0);

while (true).

bool rep = false;

for (int i = 0; i < States. Count (); i++).

for (int x = 0; x < t_width; x++).

cState st2 = new cState ();

int modx = x + terminals. Count () + 1;

if (modx >= t_width) modx -= t_width;

intercept (ref st2, i, modx);

if (st2.list.Count () == 0) continue;

bool newst = true;

int findin = 0;

States.Add (st2);

closing (States.Count — 1);

findin = States. Count — 1;

for (int j = 0; j < States. Count () — 1; j++).

if (States[j]. cmp (st2)).

newst = false;

findin = j;

break;

if (!newst).

States.RemoveAt (States.Count — 1);

if (newst).

rep = true;

if (R.add (i, findin, modx)).

rep = true;

if (rep) continue;

break;

Tbl.init (States.Count (), t_width);

for (int i = 0; i < States. Count (); i++).

for (int j = 0; j < States[i]. list. Count (); j++).

bool inend = false; int x;

sit = States[i]. list[j];

if (sit.pos == Rules[sit.rulen]. right. Count ()).

inend = true;

else.

string ch = Rules[sit.rulen]. right[sit.pos];

x = noterminals. IndexOf (ch);

if (x ≠ -1) x = x + 1 + terminals. Count ();

else x = terminals. IndexOf (ch);

if (!inend).

for (int t = 0; t < R. cnt (); t++).

int from, to, term;

R.get (t, out from, out to, out term);

if (from == i).

Tbl.types[i, term] = (int)eTypeTableItem.S;

Tbl.numbers[i, term] = to;

if (inend).

x = sit. rermn;

if (sit.rulen == 0) Tbl. types[i, x] = eTypeTableItem. H;

else.

if (Tbl.types[i, x] ≠ eTypeTableItem. S).

Tbl.types[i, x] = eTypeTableItem. P;

Tbl.numbers[i, x] = States[i]. list[j].rulen;

static public bool exec ().

List<int> StateStack = new List<int>();

List<string> LexStack = new List<string>();

bool skip = false;

int CurState = 0, TermIndex = 0, cnt, rule;

string lex = «» ;

curtoken = -1;

StateStack.Add (0);

while (true).

if (!skip).

curtoken++;

if (curtoken < input. Count).

TermIndex = input[curtoken]. nterm;

lex = input[curtoken]. s;

else { TermIndex = terminals. Count; lex = «<eof>»; }.

if (TermIndex == -1).

int gg = 34 + 45;

return false;

skip = false;

eTypeTableItem it = (eTypeTableItem)Tbl.types[CurState, TermIndex];

switch (it).

case eTypeTableItem. S:

CurState = Tbl. numbers[CurState, TermIndex];

StateStack.Add (CurState);

LexStack.Add (terminals[TermIndex]);

break;

case eTypeTableItem. P:

rule = Tbl. numbers[CurState, TermIndex];

cnt = Rules[rule]. right. Count ();

LexStack.RemoveRange (LexStack.Count — cnt, cnt);

StateStack.RemoveRange (StateStack.Count — cnt, cnt);

CurState = rule;

LexStack.Add (Rules[rule]. name);

cnt = terminals. IndexOf (Rules[rule]. name);

if (cnt == -1) cnt = terminals. Count () + 1 + noterminals. IndexOf (Rules[rule]. name);

CurState = Tbl. numbers[StateStack[StateStack.Count — 1], cnt];

StateStack.Add (CurState);

skip = true;

break;

case eTypeTableItem. E:

return false;

case eTypeTableItem. H:

return true;

static void Main (string[] args).

StreamWriter f = new StreamWriter («output.txt», false);

f.AutoFlush = true;

if (!loadrules («grammar.txt»)).

f.WriteLine («Error in grammar. txt»);

return;

fillstart ();

createtbl ();

if (!loadtokens («input.txt»)).

f.WriteLine («File input. txt not found»);

return;

if (exec ()) f. WriteLine («No error found»);

else.

string errp = «end of file» ;

if (curtoken < input. Count).

errp = string. Format («{0}:{1}», input[curtoken]. nl + 1, input[curtoken]. np);

f.WriteLine («Error found in {0}», errp);

f.Flush ();

Показать весь текст

Список литературы

[Электронный ресурс]: http://www.vestifinance.ru/videos/23 230-Вести. Экономика.
[Электронный ресурс]: http://economy.gov.ru/-http://economy.gov.ru/-Министерство экономического развития Российской Федерации.
[Электронный ресурс]: http://www.tatre.ru/articles_id11844-Сервер недвижимости Казани и РТ.
[Электронный ресурс]: http://www.kazandmin.ru/-Официальный сайт администрации Казани.
Алексеева, Ю.А. Оценка финансового состояния и прогнозирование банкротства предприятия : диссертация … кандидата экономических наук :
13 / Ю. А. Алексеева.; [Место защиты: Национальный исследовательский университет «Высшая школа экономики"] Москва, 2011 г. — 141 с.
Антипов, О. И. Фрактальные методы анализа и прогнозирования для самоорганизованных технических, биологических и экономических систем
Анущенко К.А. Финансово-экономический анализ: Учебно-практическое пособие / К. А. Анущенкова, В. Ю. Анущенкова.— 2-е изд.—М.: Издательско- торговая корпорация «Дашков и К», 2012.—404 с.
Аристархов, А.А. Эффективность кредитования коммерческими банками предприятий малого бизнеса. Диссертация канд. эконом. наук. — Краснодар: КубГУ, 2009. 205 с.
Бакаев А.С., Шнейдман Л. З. Финансово-хозяйственная деятельность предприятия. / М.: «Бухгалтерский учет» 2014 г.
Деркачев, А.Н. Нейросетевое моделирование процессов многомерной классификации объектов с разнородными признаками Финансово-хозяйственная деятельность предприятия. / М.: «Бухгалтерский учет» 2013 г
Ендовицкий, Д. А. Анализ и оценка кредитоспособности заемщика: учебно- практическое пособие/ Д. А. Ендовицкий, И. В. Бочарова. — М.:КНОРУС, 2015. 272 с.
Ефимов, В. М. Проблемы многомерного анализа экологических данных
Заболоцкая В.В., Старкова Н. О. Формирование программы инновационного развития малых предприятий [Текст] / Заболоцкая В. В., Старкова Н. О. // Научное обозрение. № 6 — 2011.
Заболоцкая В.В., Коваленко А. В. Моделирование эффективности развития инновационной деятельности республики Татарстан с учетом регионального риска [Текст] / Заболоцкая В. В., Коваленко А. В. // Известия Кубанского государственного университета. Естественные науки. Вып. 1(2) — 2013.
Казаковцева Е.В., Уртенов М. Х., Коваленко А. В. Нечеткие системы финансово-экономического анализа предприятий и регионов. Монография. Краснодар: Издательско-полиграфический центр Кубанского государственного университета. 2013. 266 с.
Казаковцева Е.В., Уртенов М. Х., Коваленко А. В. Разработка комплекса программ «Регион» для оценки социально-экономического состояния региона с использованием интеллектуальных систем // Современное состояние и приоритеты развития фундаментальных наук в регионах: Труды IX Всероссийской научной конференции молодых ученых и студентов — Краснодар: Просвещение- Юг, 2012. С.214−216
Коваленко А.В. Многомерный статистический анализ предприятия: монография / Уртенов М. Х., Узденов У. А., М.: ACADEMIA, 2013. — 240с.
Коваленко А.В. Математические модели и инструментальные средства комплексной оценки финансово-экономического состояния предприятия. Автореф. дисс. канд. эконом. наук. — Краснодар: КубГАУ, 2013. 24 с.
Коваленко А.В. Математические модели и инструментальные средства комплексной оценки финансово-экономического состояния предприятия. Диссертация канд. эконом. наук. — Краснодар: КубГАУ, 2014. 320с.
Коваленко А.В., Кармазин В. Н. Комплексная оценка кредитоспособности предприятий малого и среднего бизнеса на основе нечѐтких моделей // Обозрение прикладной и промышленной математики. Редакция журнала «ОПиПМ"-Москва- 2007. -Том 14. Выпуск 4. С. 722−725
Коваленко А.В., Кармазин В. Н. Математическое моделирование кредитоспособности предприятий малого бизнеса с помощью нечеткой продукционной системы // Труды Кубанского государственного аграрного университета. — 2014. 13 с.
Коваленко А.В., Уртенов М. Х. Разработка и внедрение программного комплекса для мониторинга и прогнозирования финансово-экономического состояния предприятий республики Татарстан // Наука Кубани. 2014. № 4 С. 70−79
Коваленко А.В., Уртенов М. Х. Нейросетевое моделирование инфляции в России // Научный журнал КубГАУ, № 61(07), 2015. http://ej.kubagro.ru/2010/07/pdf/23.pdf
Лаврушин, О.И. Банковское дело / О. И. Лаврушин, И. Д. Мамонова, Н. И. Валенцева; Под ред. Лаврушина О. И. — М.: КНОРУС, 2016. — 768с.
Леоненков, А.В. Нечѐткое моделирование в среде MATLAB и fuzzyTECH / А. В. Леоненков. — СПб.: БХВ-Петербург, 2013. -736 с.
Лойко, В.И. Потоковые модели управления агропромышленным комплексом на макро- и микро- уровнях / В. И. Лойко, Т. П. Барановская, И. В. Арушанов. — Краснодар: КубГАУ, 2014. — 107 с.
Лойко В.И., Барановская Т. П., Луценко Е. В. Потоковые модели управления эффективностью инвестиций в агропромышленных объединениях- Краснодар: КубГАУ, 2012. — 107 с.
//Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2014. № 83. С. 488−504.7(5)
Луценко, Е.В. Интеллектуальные информационные системы: учеб. пособие для вузов / Е. В. Луценко. — 2-е изд., перераб. и доп.- Краснодар: КубГАУ, 2016. — 615 с.
Луценко, Е.В. Создание автоматизированной системы мониторинга, анализа, прогноза и управления продуктивностью сельскохозяйственных культур / Е. В. Луценко, Л. М. Лопатина // Научный журнал КубГАУ [Электронный ресурс]. — Краснодар: КубГАУ, 2003. — № 02 (2) — Режим доступа:1http://ej.kubagro.ru/2013/ 02/07/p07.asp.
Луценко Е.В., Лойко В. И., Барановская Т. П. Концептуальные основы управления экономической устойчивостью перерабатывающего комплекса региона с применением технологий искусственного интеллекта // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2013. № 87. С. 627−636. 6(6)
Многозначная логика//wikipedia.org — свободная энциклопедия Википедия.2013.URL: http://ru.wikipedia.org/wiki/Многозначная_логика (дата обращения: 20.05.2014).
Недосекин, А.О. Методологические основы моделирования финансовой деятельности с использованием нечетко-множественных описаний: дис.. д. экон. наук / А. О. Недосекин. — СПб., 2003. — 280 с.
Недосекин А.О. Сводный финансовый анализ российских предприятий за 2000−2003 гг. Аудит и финансовый анализ, 2015.
Нейросетевая кластеризация сетями Кохонена предприятий строительной отрасли Краснодарского края/ Л. Н. Заикина, А. В. Коваленко, М. Х. Уртенов // Обозрение прикладной и промышленной математики: научно-теоретический журнал. -2010 — Вып.6-Т.17 — С.882−883. (0.25 п.л.) — в том числе (0.1 а.л.).
Нечеткая логика в бизнесе и финансах//tora-centre.ru — аналитические программы, решения и технологии.2013.URL: http://www.tora- centre.ru/library/fuzzy/fuzzy-.htm (дата обращения: 11.05.2013).
Никитин, Н. А. Модели товарооборота сети розничной торговли
Официальный сайт компании ООО «Аякс-Строй». [Электронный ресурс] URL: www.ayax.ru/ayax_stroy (дата обращения: 12.11.2014).
Официальный сайт разработчика «1С: Предприятия». [Электронный ресурс] URL: v8.1c.ru (дата обращения: 20.11.2014).
Попова Е.В., Тамбиева Д. А., Салпагарова Ш. Х. К проблеме недостаточности информации. малые выборки или «очень короткие» временные ряды // Научный журнал КубГАУ, № 107(03), 2015 http://ej.kubagro.ru/2015/03/pdf/07.pdf
Портал исполнительных органов государственной власти Краснодарского края. URL: http://www.krasnodar.ru/ (дата обращения: 05.03.2013).
Программа на ЭВМ «Строй+» / Л. Н. Заикина, А. В. Коваленко, М.Х. Уртенов
/ Свидетельство о государственной регистрации № 2 012 660 648, зарегистрировано в реестре 28.11.2012 / Л. Н. Заикина, А. В. Коваленко, М. Х. Уртенов /
Программа на ЭВМ «Экономист-эксперт 1.0» / Л. Н. Заикина, А. В. Коваленко, М. Х. Уртенов / Свидетельство о государственной регистрации
№ 2 013 619 370, зарегистрировано в реестре 03.10.2013
Пястолов С.М. Экономический анализ деятельности предприятий. Учебное пособие. — М.: Академический Проект, 2003. — 572 с.
Разработка управляемого интерфейса. [Текст] / В. А. Ажеронок, А. В. Островерх, М. Г. Радченко, Е. Ю. Хрусталева. — М.: 1С-Паблишинг, 2010. — 723 с.: ил. — 1000 экз. — ISBN 978−5-9677−1148−0.
Рохам Мехрдад, Математические методы и модели анализа развития малых и средних предприятий Горячая Линия-Телеком, 2014. — 452с.
Роденков, Е.В. Математическое и алгоритмическое обеспечение задачи автоматизации процесса дезинфекции ПЭТ-бутылок с помощью озона Горячая Линия-Телеком, 2015. — 452с.
Руденко, О. В. Высокоточное нейросетевое распознавание в системах технического зрения
Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. Горячая Линия-Телеком, 2014. — 452с.
Стратегия развития строительной отрасли Краснодарского края до 2020 г. [Текст]: офиц. текст. — Краснодар: 2014.
Теория большого бума / Н. Проценко, А. Филатова // Эксперт Online http://expert.ru/south/2012/08/teoriya-bolshogo-buma/
Территориальный орган Федеральной службы государственной статистики по Краснодарскому краю. URL: http://krsdstat.gks.ru/ (дата обращения: 15.04.2015).
Тимакин, О.А. Организационно-экономический механизм создания и реорганизации корпоративных (холдинговых) структур
Трубилин А.И., Барановская Т. П., Лойко В. И., Луценко Е. В. Модели и методы управления экономикой АПК региона. Краснодар, 2012.
Федеральная служба государственной статистики. URL: http://www.fedstat.ru/ (дата обращения: 29.03.2015).
Филимонов, А. В. Структурирование и обучение нейронных сетей с применениями к задачам физической химии и медицины
Хайкин С. Нейронные сети: полный курс, 2-е издание. Вильямс, 2016 г. — 1104 с.
Aris — нотация моделирования бизнес -процессов. [ Электронный ресурс ] // Институт стратегического управления социальными системами. URL: ismss.ru/uploads/p283.pdf (дата обращения: 15.11.2012).
Financial analysis 2.0 URL: http://logmarket.euro.ru/
QFinAnalysis 1.4 URL: http://www.beintrend.ru

Заполнить форму текущей работой

Купить готовую работу