ИСПОЛЬЗОВАНИЕ НЕЙРОННЫХ СЕТЕЙ В ЭКОНОМИКЕ Текст научной статьи по специальности «Компьютерные и информационные науки»

Секция

«ИНФОРМАЦИОННО-ЭКОНОМИЧЕСКИЕ СИСТЕМЫ»

УДК 004.9

ИСПОЛЬЗОВАНИЕ НЕЙРОННЫХ СЕТЕЙ В ЭКОНОМИКЕ

Е. А. Башмакова Научный руководитель - Т. Г. Долгова

Сибирский государственный университет науки и технологий имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31

E-mail: bashmakova.katya.02@mail.ru

Рассматриваетсяиспользование нейронных сетей для решения проблем экономики. Представлена характеристика нейронных сетей и принцип их работы.

Ключевые слова: нейронные сети, экономика, прогнозирование.

USE OF NEURAL NETWORKS IN THE ECONOMY

E. A. Bashmakova Scientific supervisor - Т. G. Dolgova

Reshetnev Siberian State University of Science and Technology 31, Krasnoyarskii rabochii prospect, Krasnoyarsk, 660037, Russian Federation E-mail: bashmakova.katya.02@mail.ru

The use of neural networks for solving economic problems is considered. The characteristics of neural networks and the principle of their operation are presented.

Keywords: neural networks, economics, forecasting.

В современном мире экономические расчеты должны быть очень точными. Традиционные методы, такие как прогнозирование спросана новую продукцию путем общественного опроса, анализ полученных данных вручную, анализ качества продукции путем тестирования отдельных экземпляров, управление рисками стандартными способами, медленно отходят на второй план из-за относительно низкой точности.

Нейронные сети представляют собой новую и весьма перспективную вычислительную технологию, которая дает совершенно новые подходы к исследованию динамических задач в экономической области.

Нейронные сети - это адаптивные системы для анализа и обработки данных, представляющие собой математическую структуру, которая имитирует некоторые аспекты работы человеческого мозга и демонстрирует такие его возможности, как способность к неформальному обучению, способность к обобщению и кластеризации информации, способность самостоятельно составлять прогнозы на основе уже предъявленных временных рядов, способность находить сложные аналитические зависимости.

Основным их отличием от других методов, например экспертных систем, является то, что нейросети не нуждаются в заранее известной, заданной модели, а формируют ее на основе вводимой информации. Таким образом, нейронные сети можно считать сложной аналитической технологией, т.е. методикой, которая на основе известных алгоритмов позволяет по заданным данным вывести значения неизвестных параметров.

Секция «Информационно-экономические системы»

Общий алгоритм принципа работы нейронных сетейследующий:

— на входной слой нейронов осуществляется поступление определённых данных;

— информация передаётся с помощью синапсов следующему слою (любой следующий нейрон может иметь несколько входящих синапсов);

— данные, полученные следующим нейроном, - это сумма всех данных для нейронных сетей, которые перемножены на коэффициенты весов (каждый на свой);

— полученное в итоге значение подставляется в функцию активации, в результате чего происходит формирование выходной информации;

— информация передаётся дальше до тех пор, пока не дойдёт до конечного выхода[1].

При помощи нейронных сетей производится распознавание и дополнение образов,

классификация данных, прогноз, диагностика и многое другое.

Экономические и финансовые системы по большей части не формализованы, так как являются результатом человеческих действий, а люди - существа непостоянные. Создать полную математическую модель, охватывающую все возможные варианты исхода событий, учитывающую абсолютно все факторы, влияющие на обстановку, скорее невозможно, чем наоборот. Устаревающие линейные механизмы анализа уже неспособны справиться с обрушившимся потоком информации. Однако нейронные сети уже несколько лет успешно справляются с этой задачей [2].

Основные экономические задачи, которые может решить использование нейросетей:

1. Прогнозирование.Способность нейронных сетей к выявлению скрытых зависимостей внутри звеньев в цепи позволяет успешно использовать их для предсказания рынков и других элементов экономики.

Например:прогнозирование динамики биржевых курсов;прогнозирование ситуации на фондовом рынке;прогнозирование валютных курсов; прогнозирование уровня спроса; прогнозирование поведения клиента;прогнозирование возможных мошеннических действий; прогнозирование объемов продаж; прогнозирование загруженности производственных мощностей; прогнозирование и оценка риска предстоящей сделки [3].

2. Поддержка принятия решений в бизнес-аналитике:оптимальное распределение ресурсов; оптимизация товарно-денежных потоков; анализ работы филиалов компании; сравнительный анализ конкурентов; выявление тенденций, корреляций, типовых образцов и исключений в больших объёмах данных.

3. Другие области применения нейронных сетей в экономике и управлении: управление кредитными рисками; оценка стоимости недвижимости; распознавание чеков; распознавание росписей; обнаружение нарушений при уплате налогов; анализ рынка ценных бумаг; выдача кредитов; оценивание кандидатов на должность[4].

Главное преимущество использования нейронных сетей в экономике - это эффективный механизм, позволяющий быстро и качественно обрабатывать большие объемы информации. Применение нейросетей в экономике открывает новые перспективы для систематизации огромных пластов неформализованной информации, позволяет решать множество нетривиальных задач за короткий промежуток времени.

Библиографические ссылки

1. Что такое нейросети (ИНС) и как они работают. [Электронный ресурс].Ц^: https://reobzor.ru/reviews/2020/12/chto-takoe-nejroseti-ins-i-kak-oni-rabotayut.

2. Мухаметзянов В.А., Рамазанов А.Р. Применение нейросетей в области экономики и финансов // Аллея Науки. 2017. С. 186-189.

3. Головицына М.В. Информационные технологии в управлении. М.: Интуит НОУ, 2016.

4. Науменко В.А. Применение нейронных сетей для решения практических задач в экономике // Вектор экономики. 2019.

© Башмакова Е. А., 2021