НЕЙРОННЫЕ СЕТИ В АНАЛИЗЕ ИННОВАЦИОННОГО РАЗВИТИЯ РЕГИОНАЛЬНОЙ ЭКОНОМИКИ РОССИЙСКОЙ ФЕДЕРАЦИИ В УСЛОВИЯХ БОЛЬШИХ ВЫЗОВОВ |
| научная статья | 004.032.26 : 332.1 | ||
| 31-38 | региональная экономика, регионы Российской Федерации, большие вызовы, технологический суверенитет, инновации, цифровизация, человеческий капитал, кластерный анализ, нейронные сети, Loginom |
| Проведено исследование развития региональной экономики Российской Федерации в ракурсе технологического суверенитета с позиций научно-исследовательской деятельности, инновационной и цифровой трансформации реального сектора экономики. Объектами исследования являлись 85 регионов Российской Федерации, аттестуемых девятью показателями, выбранными с сайта Росстата согласно авторскому представлению. Многофакторная задача, описывающая состояние экономики регионов России, решена с помощью продуктивного метода кластерного анализа на основании нейронных сетей, являющих собой важный элемент искусственного интеллекта и воплощенных на платформе аналитического программного пакета Loginom. В результате нейросетевого кластерного анализа регионы РФ сгруппировались по шести кластерным образованиям. Оценено качество разграничения регионов на кластеры - кластерного решения. Показана независимость кластерного решения от нахождения регионов России в составе федеральных округов Российской Федерации. Выявлен различный уровень современного развития региональной экономики по множеству рассматриваемых индикаторов в масштабе кластеров. Проведено ранжирование результатов исследования в аспекте выравнивания несоразмерности в развитии инновационной деятельности регионов Российской Федерации. С экономической точки зрения проанализированы особенности инновационного развития регионов РФ с целью привлечения имеющихся резервов для активизации в усилении технологического суверенитета страны. Результаты работы могут оказать помощь при выстраивании стратегических направлений, устремленных на стимулирование инновационной составляющей в экономике регионов России, повышение сбалансированности развития региональной экономики в фокусе технологического суверенитета в обстановке больших вызовов внешних факторов. |
 |
| 1 . Указ Президента Российской Федерации от 28 февраля 2024 г. № 145 «О Стратегии научно-технологического развития Российской Федерации». URL: http://www.kremlin.ru/acts/bank/50358 2 . Указ Президента Российской Федерации от 13.05.2017 № 208 «О Стратегии экономической безопасности Российской Федерации на период до 2030 года». URL: http://www.kremlin.ru/acts/bank/41921 3 . Указ Президента Российской Федерации от 07.05.2024 № 309 «О национальных целях развития Российской Федерации на период до 2030 года и на перспективу до 2036 года». URL: https://www.garant.ru/hotlaw/federal/1717715/ 4 . Яшин С.Н., Яшина Н.И., Захарова Ю.В., Боронин О.С. Концептуальный подход к анализу структурных и институциональных условий инновационного развития промышленного региона // Креативная экономика. 2019. Т. 13. № 11. С. 2195-2206. 5 . Болдыревский П.Б., Игошев А.К., Кистанова Л.А. Оценка рисков инновационных процессов // Экономический анализ: теория и практика. 2018. Т. 17. № 8 (479). С. 1465-1475. 6 . Яшин С.Н., Борисов С.А. Методологические подходы к определению рейтинга экономико-инновационного развития промышленных предприятий региона // Вопросы инновационной экономики. 2020. Т. 10. № 2. С. 819-836. URL: https://1economic.ru/lib/100921 7 . Болдыревский П.Б., Кистанова Л.А. Оценка эффективности инновационной деятельности промышленных предприятий // Актуальные вопросы науки. 2014. № 12. С. 65-69. 8 . Макаров В.Л. Обзор математических моделей экономики с инновациями // Экономика и математические методы. 2009. Т. 45. № 1. С. 3-14. URL: https://emm.jes.su/s042473880000616-6-1-ru-276/ 9 . Клейнер Г.Б., Мишуров С.С., Ерзнкян Б.А. и др. Инновационное развитие региона: потенциал, институты, механизмы: Монография. Иваново: Ивановский государственный университет, 2011. 198 с. 10 . Любушин Н.П., Бабичева Н.Э., Лылов А.И., Пуляхин Е.И. Экономический анализ влияния «больших вызовов» на устойчивость и непрерывность деятельности субъектов хозяйствования // Экономический анализ: теория и практика. 2020. Т. 19. Вып. 12. С. 2253-2275. URL: https://doi.org/10.24891/ea.19.12.225 11 . Любушин Н.П., Летягина Е.Н., Перова В.И. Нейросетевой анализ основных вызовов и угроз экономической безопасности Российской Федерации // Экономический анализ: теория и практика. 2023. Т. 22. № 4. С. 598-619. URL: https://doi.org/10.24891/ea.22.4.598 12 . Федеральная служба государственной статистики (Росстат). 13 . Кузнецов Ю.А., Маркова С.Е. Анализ качественных особенностей динамики развития российского рынка ИКТ. Структурный подход // Труды НГТУ им. Р.Е. Алексеева. 2013. № 3 (100). С. 242-252. URL: https://doi.org/10.46960/2713-2633_2021_1_83 14 . Летягина Е.Н. Управление цифровой трансформацией отраслей, комплексов, предприятий: Монография. Нижний Новгород: Изд-во Нижегородского госуниверситета им. Н.И. Лобачевского, 2021. 240 с. 15 . Добрынин А.П. и др. Цифровая экономика - различные пути к эффективному применению технологий (BIM, PLM, CAD, ЮТ, Smart City, BIG DATA и другие) // International Journal of Open Information Technologies. 2016. Vol. 4. No. 1. P. 4-11. 16 . Трофимов О.В., Саакян А.Г. Политика импортозамещения на предприятиях оборонно-промышленного комплекса России // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2022. № 3 (67). С. 44-49. URL: https://doi.org/10.52452/18115942_2022_3_44 17 . Ал?хина Т.А., Захаркина Н.В. Импортозамещение как основной инструмент развития экономики России // Вестник Дагестанского государственного технического университета. Технические науки. 2018. № 45 (1). С. 223- URL: https://doi.org/10.21822/2073-6185-2018-45-1-223-235 18 . Болдыревский П.Б., Кистанова Л.А. Анализ и оценка рисков информационной безопасности бизнес-процессов // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2023. № 4 (72). С. 18-24. URL: https://doi.org/10.52452/18115942_2023_4_18 19 . Никитин Г.С., Скобелев Д.О. Эффективность государственных и корпоративных инвестиций в развитие реального сектора экономики // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2022. № 4 (68). С. 32-41. URL: https://doi.org/10.52452/18115942_20 22_432 20 . Фролов В.Г., Перова В.И. Анализ инновационно-инвестиционной сбалансированности промышленной политики России в условиях цифровой трансформации с применением методов искусственного интеллекта // Вопросы инновационной экономики. 2023. № 1. Т. 13. С. 127-148. 2023. URL: https://doi.org/10.18334/vinec.13.1.117247 21 . Хрусталёв Е.Ю., Шрамко О.Г. Использование метода нейронных сетей для прогнозирования эффективности инвестиционных вложений // Экономический анализ: теория и практика. 2017. Т. 16. Вып. 8. С. 1438-1454. URL: https://doi.org/10.24891/ea.16.8.1438 22 . Балабанов А.С., Стронгина Н.Р. Анализ данных в экономических приложениях: Учебное пособие. Нижний Новгород: Изд-во ННГУ, 2004. 135 с. 23 . Буреева Н.Н., Петрова О.В. Эконометрика. Нижний Новгород: Изд-во Нижегородского госуниверситета им. Н.И. Лобачевского, 2006. 144 с. 24 . Макаров В.Л., Бахтизин А.Р., Сушко Е.Д., Сушко Г.Б. Создание суперкомпьютерной имитации общества с активными агентами разных типов и ее апробация // Вестник Российской академии наук. 2022. Т. 92 № 5. С. 458-466. URL: https://doi.org/31857/S0869587322050115 25 . Aleskerov F., Egorova L., Gokhberg L. et al. A Method of Static and Dynamic Pattern Analysis of Innovative Development of Russian Regions in the Long Run // In: Batsyn M., Kalyagin V., Pardalos P. (eds) Models, Algorithms and Technologies for Network Analysis. Springer Proceedings in Mathematics & Statistics. 104. Springer, Cham, 2014. URL: https://doi.org/10.1007/978-3-319-09758-9_1 26 . Летягина Е.Н., Перова В.И. Нейросетевое моделирование региональных инновационных экосистем // Journal of New Economy. Т. 22. № 1. С. 71-89. URL: https://doi.org/10.29141/2658-5081-2021-22-1-4 27 . Kohonen T. The self-organizing map // Proceedings of the IEEE. Sept. 1990. V. 78. № 9. Р. 1464-1480. 28 . Kohonen T., Oja E., Simula O. et al. Engineering applications of the self-organizing map // Proceedings of the IEEE. Oct. 1996. V. 84. № 10. Р. 1358-1384. 29 . Chen N., Chen L., Ma Y., Chen A. Regional disaster risk assessment of China based on self-organizing map: Clustering, visualization and ranking // International Journal of Disaster Risk Reduction. № 33. Р. 196-206. 30 . Трифонов Ю.В., Сочков А.Л., Миронов Е.А. Типология российских регионов с точки зрения развития человеческого капитала на базе нейросетевого кластерного анализа // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2021. № 4 (64). С. 23-34. URL: https://doi.org/10.52452/18115942_2021_4_23 31 . Аналитическая платформа Loginom. URL: https://loginom.ru. 32 . Rousseeuw P.J. Silhouettes: а Graphical Aid to the Interpretation and Validation of Cluster Analysis // Journal of Computational and Applied Mathematics. 1987. V. 20. P. 53- 33 . Kaufman L., Rousseeuw P. Finding groups in data: An introduction to cluster analysis. Hoboken, NJ: John Wiley & Sons, 2005. 342 р. URL: http://dx. doi.org/10.1002/9780470316801.ch1.analysis 34 . Паклин Н.Б., Орешков В.И. Кластерные силуэты // Системный анализ в проектировании и управлении: Сб. научн. тр. XX Международной научн.-практ. конф., Санкт-Петербург, 29 июня - 01 июля 2016 г. СПб.: Изд-во ФГАОУ ВО «Санкт-Петербургский политехнический ун-т Петра Великого», 2016. С. 314-321. |