Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки

16+

Название статьи

РЕТРОСПЕКТИВНЫЙ АНАЛИЗ ГЕНДЕРНЫХ ОСОБЕННОСТЕЙ ДИНАМИКИ ЗАНЯТОСТИ ЭКОНОМИЧЕСКИ АКТИВНОГО НАСЕЛЕНИЯ СИРИЙСКОЙ АРАБСКОЙ РЕСПУБЛИКИ В ДОКРИЗИСНЫЙ ПЕРИОД

Тип статьи	научная статья	Коды УДК	330. 322:519.86
Страницы	14-21	Ключевые слова	Сирийская Арабская Республика, динамика занятости населения, кластерный анализ, нейронные сети, Deductor, Syrian Arab Republic, employment trends, cluster analysis, neural networks, Deductor

Авторы

Кузнецов Юрий АлексеевичПерова Валентина ИвановнаАль Жарад Ваддах

Место работы

Кузнецов Юрий Алексеевич Нижегородский государственный университет им. Н.И. ЛобачевскогоLobachevsky State University of Nizhni Novgorod
Перова Валентина Ивановна Нижегородский государственный университет им. Н.И. ЛобачевскогоLobachevsky State University of Nizhni Novgorod
Аль Жарад Ваддах Нижегородский государственный университет им. Н.И. ЛобачевскогоLobachevsky State University of Nizhni Novgorod

Аннотация

С помощью нейросетевого моделирования исследована динамика занятости населения провинций Сирии по видам экономической деятельности с учетом гендерного признака на основе данных Центрального бюро статистики Сирийской Арабской Республики (САР) за 2006-2010 гг. Инструментом исследования являются реализованные в пакете Deductor самоорганизующиеся карты Кохонена - нейронные сети, обучаемые без учителя. По уровню занятости населения провинции САР распределились на три кластера. Приведены состав и характеристики каждого кластера. За рассматриваемый период во всех кластерах сформировались ядра с постоянным составом. Полученные результаты свидетельствуют о неравномерном характере занятости муж- ского и женского населения в провинциях САР.

Загрузить статью

Библиографический список

1 . Верховный суд Российской Федерации. Решение от 29.12.2014 года № АКПИ 14-1424С [Электронный ресурс]. URL: http://sudrf.kodeks.ru/ rospravo/document/420254782. (дата обращения: 10.04.2017).
2 . Крылов А.В., Федорченко А.В. Многовариантный прогноз развития ситуации в регионе БВСА // Аналитические доклады ИМИ. Вып. 1 (40). М.: МГИМО-Университет, 2014. 58 с.
3 . Федорченко А.В., Крылов А.В. Феномен «Исламского государства» // Вестник МГИМО- Университета. 2015. № 2 (41). С. 174-183.
4 . Колобов О.А., Шульц Э.Э. «Арабская весна»: возможные последствия для России // Национальные интересы: приоритеты и безопасность. 2014. Т. 10. № 9 (246). С. 41-49.
5 . «Исламское государство»: феномен, эволюция, перспективы // Аналитические доклады ИМИ. Вып. 1 (45). М.: МГИМО-Университет, 2016. 44 с.
6 . Системный мониторинг глобальных и региональных рисков: Арабский мир после Арабской весны / Ред. А.В. Коротаев, Л.М. Исаев, А.Р. Шишкина. М.: URSS, 2013. 424 с.
7 . Россия в многообразии цивилизаций / Под ред. Н.П. Шмелёва. М.: Изд-во «Весь Мир», 2011. 466 с.
8 . Devlin J.C. Economics of the Middle East. Development challenges (World Scientific Lecture Notes in Economics: Vol. 2). Singapore - London: World Scientific Publishing Co. Pte. Ltd., 2016. 219 p.
9 . «Арабский кризис» и его международные последствия / Под общ. ред. А.М. Васильева. Отв. ред. А.Д. Саватеев, Л.М. Исаев. М.: ЛЕНАНД, 2014. 256 с.
10 . Выступление и ответы на вопросы СМИ Министра иностранных дел России С.В. Лаврова в ходе ежегодной пресс-конференции по итогам деятельности российской дипломатии в 2014 году. Москва, 21 января 2015 года [Электронный ресурс] / МИД России, 21.01.2015. URL: http://www.mid.ru/ bdomp/brp_4.nsf/2fee282eb6df40e643256999005e6e8c/ 6631f30fbe1ab4b643257dd4003d0d59! (дата обращения: 10.04.2017).
11 . Выступление и ответы на вопросы СМИ Министра иностранных дел России С.В. Лаврова в ходе совместной пресс-конференции по итогам переговоров с Государственным секретарем США Р. Тиллерсоном. Москва, 12 апреля 2017 года [Электронный ресурс] / МИД России, 12.04.2017. URL: http://www.embrussia.ru/ru/node/958 (дата обращения: 15.05.2017).
12 . Базуева Е.В. Гендерный критерий оценки эффективности развития национальных и региональных социально-экономических систем // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2016. № 2 (42). С. 9-16.
13 . Гусов А.Ю. Занятость как социально- правовое явление // Труд и социальные отношения. 2011. № 1. С. 110-115.
14 . Гришин И. Стимулирование и динамизация занятости: рецепт flexicurity // Мировая экономика и международные отношения. 2012. № 4. С. 40-51.
15 . Вишневская Н. Безработица в странах ОЭСР - эволюция взглядов и политики // Мировая экономика и международные отношения. 2012. № 8. С. 14-27.
16 . Ленькина О.Б. Эволюция подходов к регулированию занятости населения в развитых странах // Менеджмент в России и за рубежом. 2012. № 3. С. 30-36.
17 . Борталевич С.И., Логинов Е.Л., Шкута А.А. Проблемы и возможности развития экономики Сирии как партнера Евразийского экономического союза // Национальные интересы: приоритеты и безопасность. 2016. Т. 12. № 12 (345). С.143-152.
18 . Хайкин С. Нейронные сети: полный курс. М.: Вильямс, 2006. 1104 с.
19 . Kohonen Т. Self-organized formation of topo1ogically соrrесt feature maps // Bio1ogical Cyber- netics. 1982. Vol. 43. Р. 59-69.
20 . Kohonen T. The self-organizing map // Proceedings of the Institute of Electrical and Electronics Engi- neers. 1990. Vol. 78. № 9. Р. 1464-1480.
21 . Дебок Г., Кохонен Т. Анализ финансовых данных с помощью самоорганизующихся карт: Пер. с англ. М.: Издательский дом «АЛЬПИНА», 2001. 317 с.
22 . Перова В.И. Нейронные сети в экономических приложениях: Учебное пособие. Нижний Новгород: Издательство Нижегородского госуниверситета им. Н.И. Лобачевского, 2012. Ч. 1. 130 с.; Ч. 2. 135 с.
23 . Shivam Sinha, Singh T.N., Singh V.K. Epoch de- termination for neural networks by self-organized map (SOM) // Computers & Geosciences. 2010. Vol. 14. P. 199-206.
24 . Кузнецов Ю.А., Перова В.И. Использование нейросетевого моделирования в анализе деятельности крупнейших компаний Российской Федерации // Экономический анализ: теория и практика. 2010. № 31 (196). С. 32-34.
25 . Ghaseminezhad M.H., Karami A. Novel self- organizing map (SOM) neural network for discrete groups of data clustering // Applied Soft Computing. 2011. Vol. 11. №. 4. P. 3771-3778.
26 . Ballabioa D., Vasighib M. A MATLAB toolbox for self-organizing maps and supervised neural network learning strategies // Chemometrics and Intelligent La- boratory Systems. 2012. V. 118. P. 24-32.
27 . Rende S., Donduran M. Neighborhoods in development: human development index and self-organizing maps // Social Indicators Research. 2013. V. 110. № 2. P. 721-734.
28 . Кузнецов Ю.А., Перова В.И., Эйвазова Э.Н. Нейросетевое моделирование динамики инновационного развития регионов Российской Федерации // Региональная экономика: теория и практика. 2014. № 4. С. 18-28.
29 . Carboni O.A., Russu P. Assessing regional well- being in Italy: An application of Malmquist-DEA and self-organizing map neural clustering // Social Indicators Research. 2015. V. 122. № 3. P. 677-700.
30 . Центральное Бюро Статистики Сирийской Арабской Республики [Электронный ресурс]. URL: http://www.cbssyr.sy/ (дата обращения: 06.09.2016).