Нейронные сети в обучении и анализе сложных данных в образовательном процессе
DOI:
https://doi.org/10.25726/b3751-4629-3690-sКлючевые слова:
экономика, нейронная сеть, big data, исследование, данныеАннотация
Изменения в экономических процессах и показателях оказывают значительное влияние на каждого конкретного человека и человечество в целом. Если проанализировать деятельность любого человека, то мы заметим, что вопросы экономического характера будут занимать в его жизни ведущие места. Поэтому, чрезвычайно важно анализировать экономические процессы быстро и тратить при этом минимум интеллектуальных ресурсов и уменьшать уровень погрешности. С развитием информационных наук и наблюдением за строением нашего мозга возникли нейронные сети, которые способны значительно ускорить анализ данных и уменьшить погрешность. А также находить в процессах или явлениях, которые анализируются, нелинейные зависимости, закономерности и причинно-следственные связи, которые при узком рассмотрении данных могут быть не учтены. Наиболее эффективными нейронные сети показывают себя при работе с большим количеством данных, которые человек физически не способен воспринять. К примеру, сегодня каждый пользуется поисковыми сервисами, электронными платежными системами и смартфонами с геолокацией, поэтому искусственные нейронные сети широко используются корпорациями для того, чтобы найти, какой товар заинтересует каждого конкретного покупателя, или для персонализированной рекламы на основе данных, полученных о пользователе (при наличии этих данных). Однако можно сказать, что нейронные сети не являются совершенным инструментом и имеют ряд недостатков, поскольку существует много архитектур, рассчитанных для решения отдельных задач и требующих длительного процесса обучения и значительного количества данных. Но при правильном выборе типа сети и ее дальнейшей настройке и обучении можно достичь исключительных результатов в анализе большого количества данных. Именно поэтому, исследование темы применения нейронных сетей в экономике является актуальным и необходимым научным направлением, которое требует более глубокого исследования.
Библиографические ссылки
Вертакова Ю.В., Плотников В.А., Харченко Е.В. Диверсификация регионального развития как приоритетная посткризисная стратегия (на материалах Курской области) // Поволжский торговоэкономический журнал. 2011. № 3. С. 69-75.
Воротынская А.М., Поздеева Е.А. Внутренние угрозы экономической безопасности как фактор риска при реализации стратегии развития энергетики в России // Актуальные проблемы труда и развития человеческого потенциала: межвузовский сборник научных трудов. СПб., 2016. С. 33-36.
Головко М.В., Цуверкалова О.Ф. Факторы инновационного развития в системе экономической безопасности территорий: статистический подход // Теория и практика сервиса: экономика, социальная сфера, технологии. 2019. № 1 (39). С. 5-10.
Колобкова А.А. Исторический экскурс становления и развития методики преподавания иностранных языков в российских университетах // Педагогический журнал. 2019. Т. 9. № 4-1. С. 73-88.
Курегян С. В. Электронная экономика, искусственный интеллект и экономическая теория // Экономическая наука сегодня. - 2019. - № 10. - С. 41-46.
Опенков М. Ю., Варакин В. С. Искусственный интеллект как экономическая категория // Вестник Северного (Арктического) федерального университета. Серия: Гуманитарные и социальные науки. - 2018. - № 1. - С. 73-83.
Попов А.И. Создание новой модели развития: модернизация и условия перехода к инновационной экономике // Известия Санкт-Петербургского университета экономики и финансов. 2012. № 4 (76). С. 18-26.
Репин Н.В., Руденко М.Н. Взаимосвязь стратегии проекта со стратегией компании // Теория и практика сервиса: экономика, социальная сфера, технологии. 2018. № 3 (37). С. 31-34.
Свон М. Блокчейн. Схема новой экономики : пер. с англ. / науч. ред. В. Фомин. М. : ОлимпБизнес, 2017.
Соколов И.А., Дрожжинов В.И., Райков А.Н., Куприяновский В.П., Намиот Д.Е., Cухомлинский В.А. Искусственный интеллект как стратегический инструмент экономического развития страны и совершенствования ее государственного управления. Ч. 2. Перспективы применения искусственного интеллекта в России для государственного управления // International Journal of Open Information Technologies. 2017. Т. 5. № 9. С. 76-101.
Соломонова В.Н., Редькина Т.М., Ат-Тал Ф. Стратегическая переориентация экономики под влиянием коронавируса // Colloquium-Journal. 2020. № 10 (62). С. 38.
Федотова Г.В., Сложенкина М.И., Григорян Л.Ф., Куразова Д.А. Интеллектуальные тренды развития АПК // Известия Юго-Западного государственного университета. Серия: Экономика. Социология. Менеджмент. 2019. Т. 9. № 4 (33). С. 84-95.
Хамхоева Ф. Я. Нейронные сети в экономическом анализе: плюсы и минусы // Norwegian Journal of Development of the International Science. 2020. № 51-4. С. 72-75.
Черник Д. В., Казанцев Р. В. Имитационное физическое моделирование универсальной лесозаготовительной машины // Хвойные бореальной зоны. 2020. Т. 38. № 3-4. С. 183-188.