Прогнозирование уровня цифрового развития на основе нейронных сетей
Автор: Тусков А.А., Спиридонова А.А., Голдуева Д.А.
Статья в выпуске: 3, 2023 года.
Бесплатный доступ
Проблемы прогнозирования возникают в самых разных дисциплинах, а литература по прогнозированию с использованием нейронных сетей разбросана по столь разным областям, что исследователю трудно быть в курсе всех работ, выполненных сегодня. В статье описывается возможность в области прогнозирования экономических показателей с использованием искусственных нейронных сетей. Авторами в настоящей статье построен автокорреляционный нейронный прогноз для глобального индекса инноваций. Он основан на данных уровня инновационного развития 132 стран и включает в себя 81 показатель. По результатам исследования сделан вывод о том, что для РФ наблюдается незначительное падение уровня инновационного развития. Россия характеризуется наиболее слабыми позициями в показателях оценки «институты» и «инфраструктура».
Цифровое развитие, прогнозирование, нейронная сеть, инновационное развитие, индекс инноваций, международные сравнения
Короткий адрес: https://sciup.org/148326997
IDR: 148326997 | DOI: 10.18101/2304-4446-2023-3-108-115
Список литературы Прогнозирование уровня цифрового развития на основе нейронных сетей
- Гафаров Ф. М., Галимянов А. Ф. Искусственные нейронные сети и приложения: учебное пособие. Казань: Изд-во Казан. ун-та, 2019. 121 с. Текст: непосредственный.
- Иванюк В. А. Нейросетевое моделирование в экономике и финансах // Управление развитием крупномасштабных систем MLSD'2020. 2020. № 13 (1981). С. 828-831. Текст: непосредственный.
- Приезжев И. И. Нейронные сети, 2019. 27 с. URL: https://ivanplab.ru/ckeditor_assets/attachments/7 9/%D0%9D%D0%B5%D0%B 9%D 1%80%D0 %BE%D0%BD%D0%BD%D 1%8B%D0%B5_%D1%81%D0%B5%D1%82%D0%B8_%2820 19%29.pdf (дата обращения: 10.07.2023). Текст: электронный.
- Эконометрическое моделирование производства продукции крестьянских (фермерских) хозяйств / А. А. Тусков, И. П. Ефимов, П. П. Ефимов, Е. С. Грошева // Вестник Бурятского государственного университета. Экономика и менеджмент. 2023. № 2. С. 152-166. Текст: непосредственный.
- Тусков А. Прогнозирование региональных показателей с использованием нейросетей // Современные инструменты, методы и технологии управления знаниями. 2022. № 5. URL: https://fortus-science.ru/index.php/KM/article/view/399 (дата обращения: 14.06.2023). Текст: электронный.
- Хайкин С. Нейронные сети: полный курс. 2-е изд. / перевод с английского. Москва: Вильямс, 2006. 1104 с.
- Цифровые навыки населения в регионах России. Цифровая экономика / Институт статистических исследований и экономики знаний НИУ ВШЭ. URL: https://issek.hse.ru/mirror/pubs/share/767680649.pdf (дата обращения: 10.07.2023). Текст: электронный.
- Herbrich R., Keilbach M., Graepel T., Bollmann-Sdorra P., Obermayer K. Neural Networks in Economics / Brenner T. (eds) // Computational Techniques for Modelling Learning in Economics. Advances in Computational Economics. 1999. Vol. 11. Springer, Boston, MA. URL: https://link.springer.com/chapter/ (acessed: 10.07.2023).
