Please use this identifier to cite or link to this item:
http://212.1.86.13:8080/xmlui/handle/123456789/5897
Title: | Штучний інтелект в управлінні ризиками та визначенні об’єктів контролю для митного аудиту |
Authors: | Разумей, Г. Ю. Разумей, М. М. |
Keywords: | штучний інтелект машинне навчання управління ризиками митний аудит логістична регресія дерево рішень алгоритм, модель |
Issue Date: | 12-Oct-2023 |
Publisher: | Університет митної справи та фінансів |
Citation: | Разумей 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. |
Series/Report no.: | Публічне управління та митне адміністрування;№ 2 (37), 2023 |
Abstract: | У 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. |
URI: | http://biblio.umsf.dp.ua/jspui/handle/123456789/5897 |
ISSN: | 2310-9653 |
Appears in Collections: | 2023/ №2(37) |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.