Использование искусственного интеллекта в управлении проектами
Автор: Тумилевич Е.Н.
Журнал: Вестник Хабаровской государственной академии экономики и права @vestnik-ael
Рубрика: Проблемы и перспективы социально-экономического развития России и российского Дальнего Востока
Статья в выпуске: 4, 2023 года.
Бесплатный доступ
Искусственный интеллект как технология распространяется во всех сферах деятельности человека. Появляются новые модели, для использования в самых различных областях: финансах, менеджменте, здравоохранении, образовании и т.д. Вопросы, связанные с управлением проектами также зачастую решаются с использованием искусственного интеллекта ввиду необходимости быстро принимать решения в условиях высокой неопределенности на основе большого потока информации. Целью исследования стал обзор возможностей и направлений использования искусственного интеллекта в управлении проектами. Автором рассмотрены методики обучения, применимые в проектной деятельности. Аналогично самой технологии искусственного интеллекта, методы бучения в проектной деятельности требуют дальнейшего развития и глубокого понимания. В настоящее время можно констатировать факт о том, что разработки в этой области находятся на начальном этапе развития. Автором проведена попытка систематизировать существующие модели, представить классификацию всех областей управления проектами и возможностей использования искусственного интеллекта в этих областях.
Искусственный интеллект, управление проектами, программное обеспечение, корпоративная информационная система
Короткий адрес: https://sciup.org/143180945
IDR: 143180945 | DOI: 10.38161/2618-9526-2023-4-112-118
Список литературы Использование искусственного интеллекта в управлении проектами
- ГОСТ Р 54869 – 2011 – Проектный менеджмент. Требования к управлению проектом
- PMI, PMBOK Guide. Project Management Institute. 2017.
- Брилюк Д. В., Старовойтов В. В. Распознавание человека по изображению лица нейросетевыми методами. – Минск, 2002. – 54 с.
- Глазунов А. Компьютерное распознавание человеческих лиц // Открытые системы. – 2000. – № 3.
- Горбань А. Н., Россиев Д. А. Нейронные сети на персональном компьютере. – Наука: Новосибирск. – 1996. – 276 c.
- Кувайскова Ю. Е. Использование нечеткой логики для диагностики технического состояния объекта // Известия Самарского научного центра Российской академии наук. – 2018. – № 4. – С. 487.
- Лагунов Н.А. Выделение и распознавание объектов с использованием оптимизированного алгоритма селективного поиска и сверточной нейронной сети высокого порядка // Фундаментальные исследования. – 2015. – № 5-3. – С. 511-516; URL: https://fundamental-research.ru/ru/article/view?id=38291 (дата обращения: 20.10.2023).
- Auria L. and Moro R. A., Support vector machine as a Technique of Solvency analysis. – DIW Berlin, – vol. 811, 2008. doi: 10.2139/ssrn.1424949.
- Bhoskar, O. K. Kulkarni, N. K. Kulkarni, S. L. Patekar, G. M. Kakandikar, and V. M. Nandedkar. Genetic Algorithm and its Applications to Mechanical Engineering: A Review. – in Materials Today: Proceedings, – 2015, vol. 2, no. 4–5, pp. 2624–2630, doi: 10.1016/j.matpr.2015.07.219
- Chou J. S., Cheng M. Y., Wu Y. W., and Pham A. D., Optimizing parameters of support vector machine using fast messy genetic algorithm for dispute classification. – Expert Systems with Applications, – vol. 41, no. 8, pp. 3955–3964, 2014, doi: 10.1016/j.eswa.2013.12.035
- Dalhoum L. A. and Al-Rawi M., High-Order Neural Networks are Equivalent to Ordinary Neural Networks. – Modern Applied Science, – vol. 13, – no. 2, – p. 228, Jan. 2019, doi: 10.5539/mas.v13n2p228.
- Efron B. and Tibshirani R., Bootstrap methods for standard errors, confidence intervals, and other measures of statistical accuracy, – Statistical Science, – vol. 1, no. 1, pp. 54–75, 1986, doi: 10.1214/ss/1177013815
- Ganesan T., Vasant P., and Elamvazuthi I., Hopfield neural networks approach for design optimization of hybrid power systems with multiple renewable energy sources in a fuzzy environment // Journal of Intelligent and Fuzzy Systems, – vol. 26, – no. 5, – pp. 2143–2154, 2014, doi: 10.3233/IFS- 130889
- Hartman F. and Ashrafi R. A., Project Management in the Information Systems and Information Technologies Industries // Project Management Journal, – 2002, – doi: 10.1177/875697280203300303.
- Ishibuchi H., Genetic fuzzy systems: evolutionary tuning and learning of fuzzy knowledge bases, Fuzzy Sets and Systems, – vol. 141, – no. 1, – pp. 161–162, 2004, doi: 10.1016/s0165-0114(03)00262-8
- Sonmez R., Parametric Range Estimating of Building Costs Using Regression Models and Bootstrap // Journal of Construction Engineering and Management, – vol. 134, – no. 12, – pp. 1011–1016, 2008, doi: 10.1061/ (asce)0733-9364(2008)134:12(1011).
- Wauters M. and Vanhoucke M., Support Vector Machine Regression for project control forecasting, Automation in Construction, vol. 47, pp. 92–106, 2014, doi: 10.1016/j.autcon.2014.07.014
