МЕТОДЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ИССЛЕДОВАНИИ ЭКОНОМИЧЕСКОЙ ДЕЯТЕЛЬНОСТИ СУБЪЕКТОВ РОССИЙСКОЙ ФЕДЕРАЦИИ В КОНТЕКСТЕ УСИЛЕНИЯ ТЕХНОЛОГИЧЕСКОГО ЛИДЕРСТВА СТРАНЫ |
| научная статья | 004.032.26 : 332.1 | ||
| 42-49 | регионы Российской Федерации, региональная экономика, технологический суверенитет, технологическое лидерство, инновации, кластерный анализ, искусственный интеллект, самоорганизующиеся нейронные сети |
| Цель работы - исследование развития экономической деятельности субъектов Российской Федерации в аспекте упрочения технологического суверенитета и технологического лидерства с позиций инновационного преобразования реального сектора экономики. В соответствии с авторскими представлениями объектами исследования выступали субъекты России, характеризуемые девятью показателями, отобранными с сайта Росстата. Решение многофакторной задачи, отражающей состояние региональной экономики, выполнено посредством результативного метода кластерного анализа, исходя из нейросетевого моделирования. В работе задействованы самоорганизующиеся нейронные сети, образующие важный структурный компонент искусственного интеллекта и объектированные на платформе российского аналитического программного комплекса Deductor. Результатом нейросетевого кластерного анализа стало группирование субъектов РФ по шести кластерным формациям. Оценено качество кластерного решения - разделения субъектов на кластеры. Показано отсутствие корреляции между кластерным решением и членством субъектов России в федеральных округах Российской Федерации. С экономической точки зрения исполнено ранжирование результатов кластеризации в ракурсе устранения диспропорции в развитии инновационной составляющей в экономике субъектов Российской Федерации. Результаты работы могут быть использованы при формировании стратегических ориентиров по внедрению инновационных элементов в реальном секторе экономики субъектов Российской Федерации под углом зрения укрепления технологического суверенитета страны в ситуации больших вызовов внешних обстоятельств и умножения технологического лидерства России. |
 |
| 1 . Указ Президента Российской Федерации от 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 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/ 3 . Послание Президента Российской Федерации Федеральному Собранию 29.02.2024. URL: http:// www.kremlin.ru/events/president/news/73585 4 . Указ Президента Российской Федерации от 13.05.2017 № 208 «О Стратегии экономической без- опасности Российской Федерации на период до 2030 года». URL: http://www.kremlin.ru/acts/bank/41921 5 . Любушин Н.П., Летягина Е.Н., Перова В.И. Нейросетевой анализ основных вызовов и угроз эко- номической 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 6 . Коляда А.А., Плехова Ю.О. Определение поня- тия бизнес-модели и требований к нему в целях стра- тегического менеджмента организации // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2024. № 1 (73). С. 7-16. URL: ttps://doi.org/10.52452/18115942_2024_1_7 7 . Кузнецов Ю.А. Оптимальное управление эко- номическими системами: Учебное пособие. Нижний Новгород: Изд-во ННГУ, 2008. 449 с. 8 . Стронгин Р.Г. Исследование операций. Модели экономического поведения: Учебник. Нижний Нов- город: Изд-во ННГУ, 2002. 244 с. 9 . Федеральная служба государственной стати- стики (Росстат). URL: https://gks.ru (дата обращения: 15.04.2024). 10 . 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_2022_4_32 11 . Трофимов О.В., Фролов В.Г., Климова Е.З. Анализ особенностей развития высокотехнологич- ных предприятий промышленности в экономике Нижегородской области // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Соци- альные науки. 2021. Т. 61. № 1. С. 33-38. URL: https://doi.org/10.52452/18115942_2021_1_33 12 . Яшин С.Н., Яшина Н.И., Захарова Ю.В., Бо- ронин О.С. Концептуальный подход к анализу структурных и институциональных условий иннова- ционного развития промышленного региона // Креа- тивная экономика. 2019. Т. 13. № 11. С. 2195-2206. 13 . Болдыревский П.Б., Кистанова Л.А. Оценка эффективности инновационной деятельности про- мышленных предприятий // Актуальные вопросы науки. 2014. № 12. С. 65-69. 14 . Макаров В.Л. Обзор математических моделей экономики с инновациями // Экономика и математи- ческие методы. 2009. Т. 45. № 1. С. 3-14. URL: https://emm.jes.su/s042473880000616-6-1-ru-276/ 15 . Клейнер Г.Б., Мишуров С.С., Ерзнкян Б.А. и др. Инновационное развитие региона: потенциал, институты, механизмы: Монография. Иваново: Ива- новский государственный университет, 2011. 198 с. 16 . Фролов В.Г., Перова В.И. Анализ инноваци- онно-инвестиционной сбалансированности промыш- ленной политики России в условиях цифровой трансформации с применением методов искусствен- ного интеллекта // Вопросы инновационной эконо- мики. 2023. Т. 13. № 1. С. 127-148. URL: https:// doi.org/10.18334/vinec.13.1.117247 17 . Усков А.А., Кузьмин А.В. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика. М.: Горячая линия - Теле- ком, 2004. 143 с. 18 . Рассел С., Норвиг П. Искусственный интеллект: современный подход. М.: Вильямс, 2006. 1408 с. 19 . Едронова В.Н. Первые итоги реализации национальной стратегии развития искусственного интеллекта // Экономический анализ: теория и прак- тика. 2024. Т. 23. Вып. 3. С. 490-511. URL: https:// doi.org/10.24891/ea.23.3.490 20 . Хрустал?в Е.Ю., Шрамко О.Г. Использование метода нейронных сетей для прогнозирования эффек- тивности инвестиционных вложений // Экономический анализ: теория и практика. 2017. Т. 16. Вып. 8. С. 1438-URL: https://doi.org/10.24891/ea.16.8.1438 21 . Полазнов А.И., Корнилов Д.А. Классифика- ция и применение нейронных сетей для прогнозиро- вания финансовых показателей // Вестник Нижего- родского университета им. Н.И. Лобачевского. Се- рия: Социальные науки. 2024. № 1 (73). С. 30-40. URL: https://doi.org/10.52452/18115942_2024_1_30 22 . Kohonen T. The self-organizing map // Proceed- ings of the IEEE. 1990. Sept. V. 78. № 9. Р. 1464-1480. 23 . Kohonen T., Oja E., Simula O. et al. Engineering applications of the self-organizing map // Proceedings of the IEEE. 1996. Oct.V. 84. № 10. Р. 1358-1384. 24 . Хайкин С. Нейронные сети: полный курс. М.: Издательский дом «Вильямс!», 2006. 1104 с. 25 . Chen N., Chen L., Ma Y., Chen A. Regional dis- aster risk assessment of China based on self-organizing map: Clustering, visualization and ranking // Internation- al. Journal of Disaster Risk Reduction. 2019. № 33. Р. 196-206. 26 . Rousseeuw P.J. Silhouettes. A Graphical Aid to the Interpretation and Validation of Cluster Analysis // Journal of Computational and Applied Mathematics. 1987. V. 20. P. 53-65. 27 . Kaufman L., Rousseeuw P. Finding groups in da- ta: An introduction to cluster analysis. Hoboken, NJ: John Wiley & Sons, Inc. 2005. 342 р. URL: http://dx.doi.org/10.1002/9780470316801.ch1.analysis. |