Научный архив: статьи

Предметом исследования является выбор модели финансового прогнозирования доходов бюджета, позволяющей наиболее корректно провести оценку и получить прогнозное значение на следующий период. Целью исследования является выявление перспективных моделей финансового прогнозирования доходов бюджета РФ. Применяемые с 60-х гг. ХХ в. DSGE-модели не смогли выявить целый ряд кризисов и своевременно предсказать уровень изменения государственных доходов в США, Еврозоне, России, что не позволило оперативно корректировать политику, проводимую в области управления государственными доходами. Новизна исследования состоит в выявлении недостатков современной методологии финансового прогнозирования, связанных с устареванием используемых подходов и необходимостью поиска новых моделей, позволяющих оперативно уточнять прогностические результаты. В исследовании использовались такие методы, как: измерение прогнозных величин и размера их ошибок, анализ и сравнение результатов, полученных по методам и моделям машинного и глубокого обучения. В результате исследования прогностических методов и моделей машинного и глубокого обучения, используемых в реальном бизнесе, на фондовом рынке и в государственных финансах, были отобраны наиболее перспективные из них. Основными критериями отбора послужили: возможность моделирования нелинейных связей параметров, оперативность расчета, минимальность ошибки, отсутствие проблемы с переобучением. В процессе исследования была выявлена целесообразность проведения декомпозиции временных рядов, что позволило минимизировать прогностические ошибки и выбрать наиболее точную из моделей для прогнозирования доходов бюджета РФ. Результаты исследования могут быть использованы для формирования системы прогнозных показателей, применяемых для разработки системы дашбордов для государственных служащих с целью повышения точности и оперативности принимаемых ими решений.

Основной целью работы является разработка и проверка работоспособности математических моделей для различных игр в условиях неполной информации.

В статье рассмотрена актуальная проблема уязвимости технологий искусственного интеллекта на основе нейронных сетей в задаче распознавания образов. Показано, что применение нейронных сетей порождает множество уязвимостей. Приведены конкретные примеры таких уязвимостей: некорректная классификация изображений, содержащих вредоносный шум или заплатки, отказ распознающих систем при наличии на изображении особых узоров, в том числе нанесенных на объекты реального мира, отравление обучающей выборки и др. На основе проведенного анализа показана необходимость улучшения безопасности технологий искусственного интеллекта и даны предложения, способствующие этому улучшению

Предмет. Прогнозирование значений спредов доходности на первичном рынке корпоративных облигаций стран БРИКС. Выборка включает в себя облигации из всех стран БРИКС. Исследование проводилось на данных по облигациям компаний реального сектора экономики.

Цели. Выбрать подходящую конфигурацию искусственной нейронной сети и список входных переменных (экономических показателей) для прогнозирования спредов доходности. Проверить способность полученной нейронной сети прогнозировать спреды доходности корпоративных облигаций на данных по странам БРИКС и по России в частности.

Методология. Исследование проводилось на двух не связанных между собой наборах данных, полученных из разных источников. В первый набор данных входят только российские рублевые корпоративные облигации. Во второй - облигации компаний из всех стран БРИКС. Вначале была выбрана конфигурация нейронной сети, позволяющая получать приемлемые прогнозы на данных по России. Далее как на данных по России, так и на данных по странам БРИКС отбирались модели (списки независимых переменных), позволяющие получить наиболее точные прогнозы. Прогнозирование осуществлялось следующим образом: вначале нейронная сеть обучалась на данных за пять лет, затем на данных за шестой год строился прогноз. После построения прогноза оценивалось качество получаемого прогноза.

Результаты. В модели, рассчитываемой на наибольшем числе наблюдений и не учитывающей особенностей компании эмитента, для ~75% наблюдений ошибка прогноза не превышает 200 базисных пунктов. В остальных моделях результаты еще лучше.

Выводы. Выбранный способ прогнозирования применим на данных как по России, так и на данных по странам БРИКС.

Рассмотрен подход к контролю процесса аддитивной печати с помощью сверточных нейронных сетей. Исследовано влияние набора данных и архитектуры на качество нейронной сети.

Рассмотрено применение аппарата искусственных нейронных сетей в задаче обнаружения и разрешения сигналов цели и уводящей помехи. Показано, что данную задачу в контексте машинного обучения можно свести к задаче обработки временных последовательностей. Приведены результаты обучения и сопоставительного анализа ряда соответствующих нейросетевых архитектур.

С развитием цифровизации традиционные методы анкетирования потребителей с целью оценки степени их удовлетворённости качеством услуг уступают место подходу, основанному на автоматической обработке текстовых массивов социальных медиа. Целью работы является определение степени удовлетворённости качеством медицинских услуг пациентов посредством разработки и апробации алгоритма классификации русскоязычных текстовых отзывов, извлечённых из социальных медиаресурсов. Интерес представляет определение тональности отзывов пациентов (положительный/отрицательный) о работе медицинских учреждений и врачей, а также объекты обращения отзыва - качество оказанных медицинских услуг или организация обслуживания пациентов медицинским учреждением. Разработан метод классификации текстовых отзывов о работе медицинских учреждений, размещённых пациентами на двух сайтах отзывов о врачах в России. Проанализировано около 60 тысяч отзывов. Апробированы методы машинного обучения с использованием различных архитектур искусственных нейронных сетей. Разработанный алгоритм классификации имеет высокую эффективность - лучший результат показала архитектура на основе рекуррентной нейронной сети (показатель точности = 0.9271). Применение метода поиска именованных сущностей к текстовым сообщениям позволило повысить эффективность классификации для каждого из классификаторов, базирующихся на использовании нейронных сетей. Для повышения качества классификации требуется семантическое разбиение отзыва по объекту обращения и тональности и последующий учёт полученных фрагментов отдельно друг от друга.

данная статья посвящена оценке достаточности имеющихся данных для факторного анализа с целью создания формулы плановой потребности в рамках годовой заявки с целью снижения трудовых затрат персонала. Для реализации использовался язык программирования C# и средства Microsoft Excel. В наборе данных рассматриваются такие данные, как численность льгото- получателей региона, страдающих сахарным диабетом, среднегодовое изменение такой численности, количество получаемого препарата, половой состав пациентов, страдающих диабетом, их возрастной состав и количество пациентов, разделенных на три группы по количеству льготных категорий: с одной категорией, двумя категориями и тремя и более категориями. В работе используются упрощения, не оказывающие существенного влияния на получаемые значения в силу специфики предметной области. Полученные результаты указывают на перспективность реализации данного метода, планируется создание и обучение нейронной сети для формирования более точных формул расчета плановой потребности. Также сделан вывод о необходимости изучить вопрос автоматизированного создания модели для факторного анализа с целью проверки качества текущей модели. Для позиций, имеющих достаточный объем данных для обучения нейронной сети, эффективно предсказывающей плановую потребность, имеет смысл использовать ее, а не рассматриваемое решение.

Рассматривается ряд аспектов, связанных с минимизацией рисков, снижающих конкурентоспособность компании. Отмечаются некоторые методы и средства, позволяющие оптимизировать циркулирующие в ней динамические контурные потоки.

В настоящей работе произведено сравнение эффективности модели машинного обучения регрессора k-соседей и модели классификатора k-ближайших соседей в задаче предсказания состояния трансформаторного оборудования с использованием данных, которые были сняты системой мониторинга трансформатора.

Предмет исследования: силовые трансформаторы.

Цель исследования: выявление наилучшей модели в задаче классификации состояния трансформаторного оборудования.

Объект исследования: система диагностики трансформаторного оборудования.

Методы исследования: анализ, компьютерное моделирование.

Основные результаты исследования: были получены данные об эффективности моделей с разными параметрами, но все регрессионные модели показали результат хуже, чем модель классификатора.

В статье приведен обзор существующих систем управления БПЛА, методов и способов применения нейронных сетей в задачах управления, навигации и распознавания. Рассмотрены методы и способы совершенствования существующих систем управления позиционирования БПЛА в том числе с помощью нейронных сетей (искусственного интеллекта).

Актуальность исследования обусловлена тем, что технологии искусственного интеллекта стремительно развиваются и обладают огромным потенциалом, который с успехом может быть использован на благо человечества, но в то же время таят в себе в условиях социальной и этико-правовой неопределенности немало новых вызовов и ставят ряд этических вопросов в отношении будущего уклада жизни человеческого общества и путей, по которым пойдет его дальнейшее развитие. В статье подчеркивается, что искусственный интеллект обладает потенциалом для того, чтобы изменить будущее человечества в лучшую сторону, тем не менее, искусственные интеллектуальные системы по своей сути не нейтральны и характеризуются внутренне присущей им предвзятостью, которая обусловлена исходными данными, использовавшимися при их «обучении». Ввиду масштабности социальных последствий технологий искусственного интеллекта многие страны обеспокоены сегодня этическими аспектами его использования. Для того чтобы наметить возможные сценарии и задействовать потенциал искусственного интеллекта для реализации возможностей в сфере развития при сохранении контроля над рисками, важно выработать более всестороннее понимание социальных изменений, вызванных все более расширяющимся применением интеллектуальных систем. Делается вывод о том, что проблемы применения искусственного интеллекта необходимо рассматривать сквозь призму анализа социальной сущности человека, современной социокультурной реальности, гуманистических целей и ценностей современного социума. Любые достижения в сфере искусственного интеллекта имеют смысл только в том случае, если они соотносятся с подлинно человеческими ценностями. Отсутствие на сегодняшний день утвержденных на международном уровне этико-правовых норм и стандартов, касающихся применения разработок и инноваций в сфере искусственного интеллекта свидетельствует о необходимости активной и направленной работы российского исследовательского сообщества в данной сфере.