ANN-MLR : une comparaison de performance dans la prédiction de la création de nouvelles entreprises
39,90 €
37,90 €
Économisez 5%
Le cas de la République démocratique du Congo
La nouvelle entreprise enregistrée (nombres) est le nombre de nouvelles sociétés à responsabilité limitée enregistrées au cours de l'année civile.
Établi en 2006 par le Groupe de la Banque mondiale, cet indicateur peut être utilisé pour déterminer les facteurs ayant un impact sur la croissance du secteur privé et pour mesurer le niveau de l'esprit d'entreprise dans un pays.
L'objectif de cette recherche est d'utiliser les technologies de l'information et de la communication pour prédire cet indicateur en comparant les performances de la régression linéaire multiple et des réseaux neuronaux artificiels pour le cas de la République démocratique du Congo.
Les résultats montrent que les réseaux neuronaux réalisent une meilleure prédiction que la régression linéaire multiple et peuvent donc fournir une prédiction précise s'ils sont utilisés avec des variables significatives.
Un système d'aide à la décision utilisant ce modèle peut être mis en œuvre et amélioré afin de répondre à ce besoin pour le pays.
Diplômé d'un master en convergence technologique à l'université Handong Global.
Fiche technique
- Auteur
- Christian Mulomba
- Langue
- Français
- Pages
- 52
Le cas de la République démocratique du Congo
La nouvelle entreprise enregistrée (nombres) est le nombre de nouvelles sociétés à responsabilité limitée enregistrées au cours de l'année civile.
Établi en 2006 par le Groupe de la Banque mondiale, cet indicateur peut être utilisé pour déterminer les facteurs ayant un impact sur la croissance du secteur privé et pour mesurer le niveau de l'esprit d'entreprise dans un pays.
L'objectif de cette recherche est d'utiliser les technologies de l'information et de la communication pour prédire cet indicateur en comparant les performances de la régression linéaire multiple et des réseaux neuronaux artificiels pour le cas de la République démocratique du Congo.
Les résultats montrent que les réseaux neuronaux réalisent une meilleure prédiction que la régression linéaire multiple et peuvent donc fournir une prédiction précise s'ils sont utilisés avec des variables significatives.
Un système d'aide à la décision utilisant ce modèle peut être mis en œuvre et amélioré afin de répondre à ce besoin pour le pays.