NEURAL NETWORK «ПЕРСЕПТРОН» И СЕМАНТИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ ДЛЯ ИССЛЕДОВАНИЯ ДИНАМИКИ ВВП РФ

  • Nikolay I. Lomakin Волгоградский государственный технический университет
  • Olga S. Peskova Волгоградский государственный технический университет
  • Olga V. Yurova Волгоградский государственный технический университет
  • Viktoriya V. Kabina Волгоградский государственный технический университет
  • Evelina O. Fedorovskaya Волгоградский государственный технический университет
Ключевые слова: ВВП, система искусственного интеллекта, «персептрон», семантическая модель

Аннотация

Исследованы теоретические основы динамики ВВП в условиях рыночной неопределенности и формирования цифровой экономики. Прогнозирование ВВП имеет важное значение, поскольку позволяет обеспечить сбалансированность, устойчивость в развитии различных отраслей народного хозяйства, и его экономическую безопасность, что обуславливает практическую значимость исследования.

Цель. Выдвинуть и доказать гипотезу, что с помощью нейросетевой модели «персептрон» и семантической модели представления знаний, можно получить прогноз ВВП России на следующий год.

Научная новизна – в том, что были сформированы прогнозы ВВП РФ с применением семантической модели представления знаний и AI-системы «персептрон».

Метод, или методология проведения работы. В работе использовались такие методы как, монографический, аналитический, система искусственного интеллекта - персептрон, Mind гистограмма, а также сравнительный анализ. Расчеты выполнялись в таблицах XL персептрон был сформирован на платформе Deductor. Использовалась семантическая модель представления знаний, разработанная на языке DOT с использованием программы Graphviz 2.38.

Результаты. Исследованы теоретические основы использования нейросетей в экономических прогнозах. Сформирована семантическая модель представления знаний, касательно прогнозирования ВВП РФ нейросетью. Представлена разработанная AI-система «персептрон», предназначенная для прогнозирования ВВП России на основе входных параметров, представляющих совокупность данных, отражающих развитие реального сектора экономики и сферы финансов России за 2011–2021 гг.

Область применения результатов: экономика, финансовая сфера, прогнозирование и планирование хозяйственной и финансовой деятельности.

Скачивания

Данные скачивания пока не доступны.

Биографии авторов

Nikolay I. Lomakin, Волгоградский государственный технический университет

к.э.н., доцент

Olga S. Peskova, Волгоградский государственный технический университет

д.э.н., профессор

Olga V. Yurova, Волгоградский государственный технический университет

кандидат социологических наук, доцент

Viktoriya V. Kabina, Волгоградский государственный технический университет

аспирант кафедры Системы автоматизированного проектирования и поискового конструирования

Evelina O. Fedorovskaya, Волгоградский государственный технический университет

магистрант

Литература

Gross domestic product. URL: https://ru.wikipedia.org/wiki/%D0%92% D0%B0%D0%BB%D0%BE%D0%B2%D0%

Russian GDP by years, 1995 - 2021 (in current prices, Rosstat data). URL: http://global-finances.ru/vvp-rossii-po-godam/

N.I. Lomakin, D. Li, G.M. Kondrashov, V.V. Pokidova, I.A. Ulanova, A.F. Moskovtsev, A.V. Kopylov, I.A. Samorodova, O.N. Maksimova, A.V. Gorbunova. Sovremennye issledovaniya sotsial’nykh problem [Modern studies of social problems], 2017, vol. 8, no. 1-2, pp. 255-259.

N.I. Lomakin, G.I. Luk’yanov, O.N. Maksimova, I.A. Samorodova, A.V. Maslennikov, I.O. Kolodkin. Nauka Krasnoyar’ya, 2017, vol. 6, no. 3-3, pp. 124-126.

N.I. Lomakin, D. Li, G.M. Kondrashov, V.V. Pokidova, A.F. Moskovtsev, A.V. Kopylov, A.P. Tyukov, I.A. Samorodova, O.N. Maksimova, A.V. Gorbunova, Ya.A. Popova. Sovremennye issledovaniya sotsial’nykh problem [Modern studies of social problems], 2017, vol. 8, no. 1-2, pp. 260-263

Classification of artificial intelligence systems. URL: https://allrefrs.ru/2-30416.html

Matokhina A.V. Praktikum po sistemam upravleniya znaniyami v organizatsionno-ekonomicheskikh i proizvodstvenno-tekhnicheskikh sistemakh. Chast’ 1 [Workshop on knowledge management systems in organizational, economic and production and technical systems. Part 1] / A.V. Matokhina, O.A. Shabalina, V.A. Kamaev, A.V. Kizim. Volgograd: VolgGTU, 2015, 141 p.

How much did the GDP of Russia and the countries of the world grow in 2020. URL: http://bs-life.ru/makroekonomika/vvp2021.html

Perceptron. URL: https://neural.radkopeter.ru/chapter/%D0%BF% D0%B5%D1%80%D1%81%D0%B5%D0%BF%D1%82% D1%80%D0%BE%D0%BD%D1%8B/

Russian economy in 2020, trends and prospects. URL: https://www.iep.ru/files/text/trends/2020/04.pdf

Structure of Russian GDP 2021 by industry. URL: https://bankiros.ru/wiki/term/struktura-vvp-rossii-po-otraslam

Structure of Russian GDP 2022 by industry. URL: https://bankiros.ru/wiki/term/struktura-vvp-rossii-po-otraslam

What is GDP. How and why it is considered. URL: https://journal.tinkoff.ru/guide/gdp/

Kristof T., Virag M. EU-27 bank failure prediction with C5.0 decision trees and deep learning neural networks. Research in International Business and Finance. 61, 101644. 2022.

Liu J., Zhang S., Fan H. A two-stage hybrid credit risk prediction model based on XGBoost and graph-based deep neural network. Expert Systems with Applications 195,116624 (2022).


Просмотров аннотации: 43
Загрузок PDF: 23
Опубликован
2022-06-30
Как цитировать
Lomakin, N., Peskova, O., Yurova, O., Kabina, V., & Fedorovskaya, E. (2022). NEURAL NETWORK «ПЕРСЕПТРОН» И СЕМАНТИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ ДЛЯ ИССЛЕДОВАНИЯ ДИНАМИКИ ВВП РФ. Наука Красноярья, 11(2), 68-84. https://doi.org/10.12731/2070-7568-2022-11-2-68-84
Раздел
Экономические исследования