AD ALTA 

 

JOURNAL OF INTERDISCIPLINARY RESEARCH

 

 

 

7. Elsawy, I., H. Hosny, H. and M. A. Razek. A Neural Network 
Model for Construction Projects Site Overhead Cost Estimating 
in Egypt. International Journal of Computer Science. 2011, 8(3), 
273-283. 
8. Fausett, L. Fundamentals of Neural Networks. New York: 
Prentice Hall. 1994, 461 p. ISBN 978-0133341867. 
9. Fotr, J. and E. Kislingerova. Integrating risk and uncertainty 
into investment decision-making and valuation [Integrace rizika 

a nejistoty do investičního rozhodování a oceňování]. Politická 
ekonomie
. 2009, 57(6), 801-826. 
10. Galushkin, A. Neural networks. Fundamentals of the theory 
[Nejronnie seti. Osnovy teorii]. 
Moskva: Goryachaya Linia-
Telekom. 2012, ISBN: 978-5-9912-082-0. 
11. García, F., V. Giménez and F. Guijarro. Credit risk 
management: A multicriteria approach to assess 
creditworthiness. Mathematical and Computer Modelling. 2013, 
57(7-8), 2009-2015. 
12. Ghodsi, R., M. S. Zakerinia and M. Jokar. Neural network 
and Fuzzy Regression Model for Forecasting Short Term Price 
in Ontario. Proceedings of the 41st International Conference on 
Computers & Industrial Engineering
. 2011, 41(1), 954-959.  
13. Gholizadeh, M. H., M. M. N. Langroudi, A. Bahmani and B. 
S. Dizaji. Corporate financial distress prediction using artificial 
neural networks and using micro-level financial indicators. 
Interdisciplinary Journal of Contemporary Research in 
Business.
 2011, 3(5), 595-605. 
14. Golub, G. and W. Kahan. Calculating the singular values and 
pseudo-inverse of a matrix. SIAM Numerical Analysis. 1965
2(2), 205-224. 
15. Haykin, S. Neural Networks: A Comprehensive Foundation. 
New York: Macmillan Publishing. 1994, ISBN 0023527617. 
16. Hsiang L. Ch., A., X. Wang, Z. H.Lee, J. and Ch-Y. Fu. 
Biotech firm valuation in an emerging market – evidence from 
Taiwan. Asia-Pacific Journal of Business Administration. 2013, 
5(2), 92-102. 
17. Kim, G.-H., S. H. An. and K. I. Kang. Comparison of 
construction cost estimating models based on regression 
analysis, neural networks, and case-based reasoning. Building 
and Environment. 
2004, 39(10), 1235-1242. 
18. Knez-Riedl, J., and M. Mulej. Idimt 2014. Informing the 
Management by a Requisite Holistic Assessment of the 
Creditworthiness of an Enterprise. Proceedings of the 12th 
Interdisciplinary Information Management Talks Conference. 
2014, 12, 123-136. 
19. Kubenka, M and O. Slavicek. Detection of Cognation 
between Creditworthy Models and Bankruptcy Models. 
Proceedings of the 7th International Scientific Conference on 
Managing and Modelling of Financial Risks.
 2014, 426-433, 
ISBN 978-80-248-3631-7. 
20. Kuzey, C., A. Uyar, A. and D. Delen. The impact of 
multinationality on firm value: A comparative analysis of 
machine learning techniques. Decision Support Systems. 2014, 
59, 127-142. 
21. Machek, O. and J. Hnilica. Total Factor Productivity 
Approach in Competitive and Regulated World. Procedia - 
Social and Behavioral Sciences. 
2014, 57, 223-230. 
22. Makeeva, E. and A. Bakurova. Forecasting Bankruptcy Oil 
and Gas Companies Using Neural Networks. Journal of 
Corporate Finance Research. 
2012, 23(3), 22–30. 
23. Mansouri, S. and M. Dastoori. Credit Scoring Model for 
Iranian Banking Customers and Forecasting Creditworthiness of 
Borrowers. International Business Research. 2013, 6(10), 25-39. 
24. Mertlova, L. Comparison of Financial Situation in 
Agricultural Companies in the Vysocina Region. Proceedings of 
the 10th International Scientific Conference on Financial 
Management of Firms and Financial Institutions.
 2015, 791-798, 
ISBN 978-80-248-3865-6. 
25. Mohamad, H. H., A. H. Ibrahim, A. H. and H. H. Massoud. 
Modelling the financial performance of construction companies 
using neural network via genetic algorithm. Canadian Journal of 
Civil Engineering.
 2014, 41(11), 945-954. 
26. Mostafa, M. M. Modeling the competitive market efficiency 
of Egyptian companies: A probabilistic neural network analysis. 
Expert Systems with Applications. 2009, 36(5), 8839-8848.  

27. Parker, D. B. Learning logic. Technical Report TR-47, 
Cambridge, MA: MIT Center for Research in Computational 
Economics and Management Science. 1985. 
28. Patterson, D. Artificial Neural Networks. Singapore: Prentice 
Hall. 1996, 477 p. ISBN 9780132953535. 
29. Press, W. H., S. A. Teukolsky, W. T. Vetterling and B. P. 
Flannery. Numerical Recipes in C.: The Art of Scientific 
Computing
 (Second ed.). Cambridge University Press. 1992, 925 
p. ISBN 0-521-43108-5. 
30. Rosillon, N. and M. Alejandra. Financial analysis: a key tool 
for efficient financial management [Análisis financiero: una 
herramienta clave para una gestión financiera eficiente]. Revista 
Venezolana de Gerencia
. 2009, 14(48), 606-628. 
31. Rumelhart, D. E., G. E. Hinton and R. J. Williams. Learning 
internal representations by error propagation. In D. E. 
Rumelhart, J. L. McClelland (Eds.) Parallel Distributed 
Processing,
 Vol 1. Cambridge, MA: MIT Press. 1986, 318-362. 
ISBN 0-262-68053-X. 
32. Savvidis, S. and D. Ginoglou. Evaluation of the impact of 
business on the environment using green accounting indexes and 
modern statistical methods. South-Eastern Europe Journal of 
Economics. 
2013, 11(1), 49-58. 
33. Sedlacek, J. Financial analysis of the enterprise [

Finanční 

analýza podniku]. 2. ed. Brno: Computer Press. 2011, 154 p., 
ISBN 978-80-251-3386-6. 
34. Shepherd, A. J. Second-Order Methods for Neural Networks. 
New York: Springer. 1997, 145 p., ISBN 978-3-540-76100-6. 
35. Shi, Ch. D., D. X. Bian and C. S. Zhang. Logistics company 
performance evaluation by BP neural network and DEA. 2010 
2nd IEEE International Conference on Information Management 
and Engineering IEEE
. 2010, 640-643. 
36. Slavici, T., D. Mnerie and S. Kosutic. Some applications 
artificial neural networks in agricultural management. Actual 
Tasks on Agricultural Engineering: Proceedings of the 40: 
International Symposium on Agricultural Engineering
, Opatija, 
Croatia. 2012, 40(1), 363-373. 
37. 

Smeureanu, I., A. Dioşteanu, C. Delcea and L. Cotfas. 

Business Ontology for Evaluating Corporate Social 
Responsibility. The Amfiteatru Economic Journal. 2011, 13(29), 
28-42. 
38. Stehel, V. and M. Vochozka. The analysis of the economical 
value added in transport. Nase More. 2016, 63(3), 185-188.  
39. 

Synek, M., V. Hoffmann and I. Mackenzie.  

History and development of the field of business economics 
[

Historie a vývoj vědního oboru podniková ekonomika]. 

Politická ekonomie. 2013, 61(4): 388-406. 
40. Tzeng, F. Y. and K. L. Ma. Opening the Black Box - Data 
Driven Visualization of Neural Networks. Proceedings of the 
Conference Visualization, IEEE
. 2005, 383-390.  
41. Vesely, A. Economic classification and regression problems 
and neural networks. Agricultural Economics. 2011, 57(3), 150-
157. 
42. Vlachy, J. Business Strategy and Financial Theory [Strategie 

podniku a finanční teorie]. Politická ekonomie. 2009, 57(2), 147-
162. 
43. Vochozka, M. Development of methods of complex 
performance evaluation of the company [Vývoj metod 
komplexního hodnocení výkonnosti podniku]. Politická 
ekonomie.
 2010, 58(5), 675-688.  
44. Vochozka, M., J. Jelinek, J. Vachal, J. Strakova a V. Stehel. 
Using of neural networks for comprehensive business evaluation 

[Využití neuronových sítí při komplexním hodnocení podniků]. 1. 
ed. Prague: C. H. Beck. 2017, 234 p., ISBN 978-80-7400-642-5. 
45. Vochozka, M., Z. Rowland, V. Stehel, P. Suler a J. Vrbka. 
Modelling of company´s costs using neural networks 
[

Modelování nákladů podniku pomocí neuronových sítí]. 1. ed. 

Ceske Budejovice, Institute of Technology and Business. 2016, 
114 p. ISBN 978-80-7468-112-7. 
46. Wagner, J. Performance Measurement – Development 
Trends of the 2

nd

 Half of the 20

th

 

Century [Měření výkonnosti - 

vývojové tendence 2. poloviny 20. století]. Politická ekonomie. 
2011, 59(6), 775-793.  
47. Wang, M., S. J. Rees, and I. Liao. Building an online 
purchasing behavior analytical system with neural network. 
Proceedings of The third conference on data mining methods 
and databases for Engineering, Finance and other fields.
 

- 237 -