ＡＩによる企業評価

１-１　はじめに
１-２　経営学、企業評価論とエキスパート・システム: １-２-１　エキスパート・システムとは; １-２-２　従来の研究; １-２-３　エキスパート・システムの特徴と経営学、企業評価論
１-３　ＥＦＳＡ: １-３-１　ＥＦＳＡの概要; １-３-２　ＥＦＳＡの特徴; １-３-３　ＥＦＳＡの推論方式; １-３-４　ＥＦＳＡのルール
１-４　ＥＦＳＡ実行例: １-４-１　基本データ入力（ANALYSISフレイム）; １-４-２　収益性分析（PROFITABILITYフレイム）; １-４-３　生産性分析（PRODUCTIVITYフレイム）; １-４-４　安定性分析（STABILITYフレイム）; １-４-５　成長性分析（GROWTHフレイム）
１-５　今後の課題
１-６　要約
１-APPENDIX

第２章フレーム・システムを加えたエキスパート・システム・モデル

２-１　はじめに
２-２　フレーム・システムを用いた推論: ２-２-１　ミンスキーのフレーム理論; ２-２-２　フレーム理論を用いた知識表現モデル
２-３　フレーム理論を取り入れたEFSA: ２-３-１　EFSA VER.3.00とフレーム理論; ２-３-２　EFSA VER.3.00のルール構造
２-４　EFSA VER.3.00の実行例: ２-４-１　基本データの入力; ２-４-２　成長性分析; ２-４-３　収益性分析; ２-４-４　生産性分析; ２-４-５　安定性分析
２-５　今後の課題
２-６　要約
２-APPENDIX

３-１　はじめに
３-２　ニューラルネットワークとは: ３-２-１　なぜニューラルネットワークなのか; ３-２-２　ニューラルネットワーク研究の歴史
３-３　ニューラルネットワークによる倒産予測モデルの展開: ３-３-１　先行研究; ３-３-２　モデルの評価
３-４　ネットワークの学習　―バックプロパゲーション法―: ３-４-１　階層型ネットワークモデル; ３-４-２　バックプロパゲーション法の基本的考え方; ３-４-３　出力層に関する偏微分; ３-４-４　中間層に関する偏微分; ３-４-５　逐次学習法と一括学習法
３-５　ネットワーク構造の決定と分析のフレームワーク: ３-５-１　中間層の数と中間層のユニット数; ３-５-２　ステップサイズと慣性係数; ３-５-３　再構築学習法; ３-５-４　解析的な入力データの貢献度; ３-５-５　本章における分析のフレームワーク
３-６　ニューラルネットワークの倒産分析への応用例: ３-６-１　KNNA（KEIO NEURAL NETWORK ANALYSIS）; ３-６-２　サンプル･データと仮説; 　３-６-２-１　サンプルとデータ; 　３-６-２-２　仮説; ３-６-３　実証分析; ３-６-４　検討
３-７　要約と結論

４-１　はじめに
４-２　ホームセンター業界概要
４-３　ファクトファインディングのためのＨＣ経営力分析: ４-３-１　各経費の売上に占める割合; ４-３-２　在庫回転期間; ４-３-３　店舗規模; ４-３-４　部門別売上高構成比、粗利構成比; ４-３-５　商圏と客数; ４-３-６　チラシによる販促活動; ４-３-７　価格競争力; ４-３-８　パート･アルバイトの状況; ４-３-９　店長の個人属性
４-４　変数の抽出と仮説の構築
４-５　ニューラルネットワークによる経営力評価モデル: ４-５-１　サンプル･データ・分析手法; ４-５-２　仮説9変数によるKNNAモデル; ４-５-３　4変数KNNAモデル; ４-５-４　5変数KNNAモデル
４-６　要約と結論と今後の課題
４-APPENDIX

５-１はじめに
５-２ルール抽出法　―KNNA-RX: ５-２-１基本枠組み; ５-２-２ KNNA-RX　STEP 1 ― 入力データ; ５-２-３ KNNA-RX　STEP 2 ― E.D.KARNIN氏によるプルーニング法; ５-２-４ KNNA-RX　STEP 3 ～6 ― R. SETIONO氏らによるルール抽出法NEURORULE
５-３ＨＣ経営力モデルへの適用: ５-３-１学習･プルーニング･クラスター化　―KNNA-RX（STEP 1、STEP 2、STEP 3）; ５-３-２ルールの抽出と生成　―KNNA-RX（STEP 4, STEP 5, STEP 6）
５-４抽出されたルールの検討: ５-４-１ルールによる分類の検証; ５-４-２エキスパート・システムとの統合
５-５要約と結論