машинное обучение

1. Кричевский М.Л., Мартынова Ю.А.
Использование методов машинного обучения для оценки инвестиционной деятельности различных регионов России // Вопросы инновационной экономики. (№ 4 / 2019).  
Приведены результаты применения методов машинного обучения, пригодных для оценивания инвестиционной деятельности различных регионов России. Базой данных, использованной в работе, являлся отчет Росстата за 2018 г., в котором содержатся сведения об инвестиционной активности всех российских регионов. Решение задачи доведено до получения информации о классе, к которому относится тот или иной регион. Примененные в работе алгоритмы машинного обучения были взяты из программного продукта MatLab 2018b. В результате проведенного исследования для решения поставленной задачи выбраны лучшие методы по точности классификации, с помощью которых можно судить о деятельности регионов России в области инвестиций. Показано использование полученных результатов для формирования оценки принадлежности нового наблюдения к конкретной категории.

Кричевский М.Л., Мартынова Ю.А. Использование методов машинного обучения для оценки инвестиционной деятельности различных регионов России // Вопросы инновационной экономики. – 2019. – Том 9. – № 4. – с. 1557-1572. – doi: 10.18334/vinec.9.4.41432.

---

2. Мартынова Ю.А.
Выбор источника финансирования методами машинного обучения // Вопросы инновационной экономики. (№ 3 / 2019).  
Приведены результаты выбора финансового учреждения для обслуживания организаций с использованием технологий, применяемых в машинном обучении, в частности, нейронных сетей и нечеткой логики. В условиях недостаточной информации традиционные способы решения такого рода задач работают недостаточно надежно, поэтому в работе демонстрируется метод определения лучшего банка посредством указанных технологий. Для поиска нужного решения выполнено моделирование случайных значений тех параметров, которые отвечают, по мнению автора, за выбор банка. Такая база примеров, которую можно назвать «игрушечной», участвует в обучении нейронной сети. Кроме того, показана возможность получения оценки эффективности выбранного учреждения для обслуживания организации с помощью нечеткой логики.

Мартынова Ю.А. Выбор источника финансирования методами машинного обучения // Вопросы инновационной экономики. – 2019. – Том 9. – № 3. – с. 1037-1048. – doi: 10.18334/vinec.9.3.41177.

---

3. Кричевский М.Л.
Методы машинного обучения при выборе стратегии предприятия // Вопросы инновационной экономики. (№ 1 / 2019).  
Выбор стратегий предприятия особенно сложен в условиях меняющегося экономического окружения, неточности определения переменных, влияющих на действия фирмы, неполноты информации о поведении конкурентов. В такой ситуации считается предпочтительным при выборе стратегии использовать методы, входящие в состав машинного обучения. Цель исследования заключается в разработке методики выбора стратегии с помощью инструментов машинного обучения, которая должна включать способы анализа и отбора наиболее важных показателей предприятия, проверку работоспособности созданной методики на имитированных или реальных данных. В качестве предобработки данных используется метод главных компонентов. Среди инструментов машинного обучения наиболее пригодными для решения поставленной задачи являются нейронные системы. С помощью нейросетевой системы в программном комплексе Statistica реализован механизм выбора подходящей стратегии предприятия. Обученная нейронная сеть в виде персептрона позволяет по набору отобранных переменных, влияющих на стратегию, выбирать схему действий организации, которая наиболее отвечает ситуации, сложившейся на предприятии.

Кричевский М.Л. Методы машинного обучения при выборе стратегии предприятия // Вопросы инновационной экономики. – 2019. – Том 9. – № 1. – с. 251-266. – doi: 10.18334/vinec.9.1.40093.

---

4. Поздняков И.И.
Влияние искусственного интеллекта на развитие мировой торговли // Экономические отношения. (№ 2 / 2018).  
Статья рассматривает тенденции развития искусственного интеллекта и его влияние на процессы, происходящие в мировой торговле. Рассмотрены различные варианты использование ИИ на всех звеньях цепочки создания стоимости, произведена оценка последствий внедрения таких технологий. Проведен анализ вопросов регулирования вопросов кросс-граничного передвижения данных на фоне обострения проблемы конфиденциальности данных. Сделаны аналитические предположения о возможном влиянии ИИ на рынок труда в будущем.

Поздняков И.И. Влияние искусственного интеллекта на развитие мировой торговли // Экономические отношения. – 2018. – Том 8. – № 2. – с. 173-180. – doi: 10.18334/eo.8.2.38972.

---

---

5. Орешков В.И.
Интеллектуальный анализ данных как важнейший инструмент // Креативная экономика. (№ 12 / 2011).  
Рассматриваются возможности использования данных, накопленных на предприятии, для увеличения его интел-лектуального капитала (ИК) за счет поиска в них полезных нетривиальных знаний, а также разработки соот-ветствующих алгоритмов и методов. Кратко анализируются существующие подходы к поиску знаний в базах данных (БД). Показывается перспективность применения для этих целей технологий интеллектуального анализа данных (ИАД), комбинирующих методы прикладной статистики и эвристического поиска на основе самообу-чающихся моделей для поиска знаний в больших БД.

Орешков В.И. Интеллектуальный анализ данных как важнейший инструмент // Креативная экономика. – 2011. – Том 5. – № 12. – с. 84-89. – url: https://creativeconomy.ru/lib/4597.

---

---

Продолжить поиск в библиотеке по запросу «машинное обучение»?