CC BY
24
УДК 33
Борщ Людмила Михайловна
доктор экономических наук, профессор,
профессор кафедры финансов предприятий и страхования,
Крымского федерального университета имени В.И. Вернадского
l-borsh49@mail.ru
Буркальцева Диана Дмитриевна
доктор экономических наук, доцент,
профессор кафедры финансов предприятий и страхования
Крымского федерального университета имени В.И. Вернадского
l-borsh49@mail.ru
Воробьев Юрий Николаевич
доктор экономических наук, профессор,
профессор кафедры финансов предприятий и страхования,
Крымский федеральный университет имени В.И. Вернадского
l-borsh49@mail.ru
Lyudmila M. Borsh
Doctor of Economics, professor,
Professor of the Department of Finance and Insurance companies
Insurance companies V.I. Vernadsky Crimean Federal University
l-borsh49@mail.ru
Dianа D. Burkaltseva
Doctor of Economic, docent,
Professor of the Department of Finance and Insurance companies V.I.
Vernadsky Crimean Federal University
l-borsh49@mail.ru
Yuriy N. Vorobyov
Doctor of Economics, professor,
Professor of the Department of Finance and Insurance companies V.I. Vernadsky Crimean Federal University l-borsh49@mail.ru
МОДЕЛИРОВАНИЕ КОМБИНИРОВАННОЙ НЕЙРОСЕТЕВОЙ И ДИНАМИЧЕСКОЙ МОДЕЛИ СОЦИАЛЬНО - ЭКОНОМИЧЕСКОГО РАЗВИТИЯ: УКРЕПЛЕНИЕ ОСНОВ ИНСТИТУЦИОНАЛИЗМА1
COMBINED NEURAL NETWORK MODELING AND DYNAMIC MODELS OF SOCIAL AND ECONOMIC DEVELOPMENT: STRENGTHENING THE FOUNDATIONS OF INSTITUTIONALISM
1 Данная статья подготовлена в рамках гранта Российского государственного научного фонда, регистрационный номер НИОКТР АААА-А16-116040410178-5 от 04/04/2016.
Аннотация. Основными задачами данного исследования является обзор при помощи комбинированной нейросетевой и динамической модели следующих уровней: социально-экономический уровень экономического развития; уровень экономического развития государства; уровень участия его в мировом хозяйстве и промышленном развитии страны. В статье рассматривается информационно-аналитическая система с применением искусственного интеллекта нейросетевой динамической модели, по уровню социально-экономических показателей, анализа прогноза и планирования пространственно временного развития направлена на укрепление основ институционализма.
Ключевые слова: институционализм, информационно-аналитическая система, нейросотевые динамические модели, социально-экономические показатели, прогнозирование, планирование, пространственно временное развитие, целостная единица, единица «ЕЕЕ», скрутка.
Annotation. The article deals with information-analytical system using artificial intelligence neural network dynamic model, in terms of socio-economic indicators, forecast analysis and planning spatial temporal development aimed at strengthening the foundations of institutionalism. The main objectives of this study is to review using a combination of neural network and the dynamic model of the following levels: the socio-economic level of economic development; the level of economic development of the country, the level of its participation in the world economy and the industrial development of the country.
Keywords: institutionalism, information-analytical system, neyrosotevye dynamic model of socio-economic indicators, forecasting, planning, spatial temporal development of an integrated unit, the unit of "EEE" twist.
Введение.
Укрепление институциональных основ строится на прогнозировании, классификации, управлении, уровне экономического развития, использовании информационно-аналитической системы. Анализ, прогноз социально-экономического развития в междисциплинарном «переносе» методов, которые используются на пересечении разных теоретических подходов экономики, социологии, психологии. Эта совокупность методов позволяет определить, каким образом протекают эти процессы, как они развиваются, где и на каких показателях отражаются. Эти основные вопросы могут укреплять или раскачивать общество, укреплять институциональные основы на всем социально-экономическом пространстве или не поддерживать взятый социально-экономический государственный курс развития. Естественно, что полной поддержки можно и не ожидать: 90-92% населения поддерживают те трансформационные изменения по реконструкции институционализма, вышедшего из одной реальности, активно выстраивая архитектуру новой более конструктивной мобильной реальности и выполняя функции основного государственного регулятора, способного отойти от тех упрощенных предпосылок, форм, разработанных на зарождении
социализма. Формирование усовершенствованных институциональных основ управления на макро-, микро-, мезоуровнях усилит роль государства, его политику изнутри, что поспособствует усовершенствованию отраслевых производительных структур и послужит точкой экономического роста, построенного на эффективности управления и укрепления основ институционализма.
Следует отметить, что институционализм в мировом масштабе за период 1970-2015 г.г. занимает второе место по цитируемости авторов исследований; на первом месте находятся статьи, которые исследуют инструменты, процессы и явления. На наш взгляд, новая институциональная экономика определяет новые горизонты эволюционного развития, поэтому здесь уместно поговорить о нейроэкономике. Нейротехнологии вошли в практику везде, где нужно решать сложные задачи прогнозирования, классификации, управления, иными словами - во всех сферах деятельности, где плохо построен алгоритм задач, для решения которых необходимы адаптивные автоматизации, каковыми являются нейротехнологии. Этими исследованиями занимаются отечественные ученые: Аксенов С.В., Новосельцев В.Б., Оксанович А.П., Шевченко И.В., Краснопольская Ю.А., Ясинский И.Ф., Жернаков С.В.
Искусственные нейронные сети прошли первые испытания в 1943году. У. Маккалок и У. Питтс формализуют понятие нейронной сети о логическом исчислении идей и нервной активности. В последствии, после разработки алгоритмов обучения, получаемые модели стали использовать в практических целях: в прогнозировании, управлении, классификации. Результаты были достигнуты, благодаря численным методам и материалам, с использованием методов прикладной математики и компьютерное моделирование.
Основными задачами данного исследования является обзор при помощи комбинированной нейросетевой и динамической модели следующих уровней: социально-экономический уровень экономического развития; уровень экономического развития государства, уровень участия его в мировом хозяйстве и промышленном развитии страны.
Постановка задачи и ход исследования.
Использовать методы прикладной математики, производить компьютерное моделирование теоретических процессов теории нейронных сетей. Исследования по усовершенствованию основ институционализма в исторической ретроспективе. Моделирование комбинированной нейросетевой динамической модели социально-экономического пространственно-временного развития.
Социально-экономическое развитие государства зависит от институциональных основ, как системы государственных институтов управления, отображая всю цепочку научно-технических, научно-производственных, социально-экономических концептуальных обоснований [1]. Ускорение процессов модернизации, динамично
изменяющаяся среда структуры хозяйствования требуют повышения качества научной обоснованности и корректировки методов социально-экономического развития в системе государственного управления, укрепляя основы институционализма, как основного регулятора государственной политики. Факторы, которые являются ключевыми, определяют структурные изменения, к которым относится экономическое развитие государства и показатели уровня этого развития. От того, какова динамика процессов экономического развития и каковы структурные изменения в национальной экономике, зависит жизнь общества и перспективы государства в его социально-экономическом развитии. Многоплановый процесс экономического развития охватывает все сферы экономической деятельности. Одним из критериев многопланового процесса является экономический рост, повышение уровня и качества жизни населения.
К показателям уровня экономического развития относятся: сочетание материальных и финансовых ресурсов, разнообразие исторических и экономических ресурсов и др. Рассмотрим систему показателей по этой группе: ВВП на душу населения; показатели уровня и качества жизни; степень заболеваемости различными болезнями; уровень медицинского обслуживания; состояние дел с личной безопасностью; образование и его доступность; экологию; покупательскую способность; занятость; безработицу. Существуют обобщенные показатели, которые составили индекс человеческого развития, в эту группу вошло ВВП на душу населения по паритету покупательской способности, продолжительность жизни, доступность образования. На наш взгляд, эти показатели безусловно важные, но не являются точными, потому что уровень медицинского обслуживания, личная безопасность граждан, экология, заболеваемость населения внесли более точные коррективы индекса человеческого развития. Развитие основ институционализма учитывает многие факторы социально-экономического развития и направлены на обеспечение нового качества жизни через государственные социально-экономические программы развития.
Рассмотрим уровень экономического развития государства, определяющий степень его участия в мировом хозяйстве. Рассматривая Россию со всех точек зрения, используем несколько показателей и критериев: абсолютный ВВП (ВНП); национальный доход и доход на душу населения; отраслевую структуру экспорта и импорта; уровень и качество жизни населения. На уровень экономического развития страны постоянно влияет множество факторов, носящих глобальный характер, имеющих исторические корни, такие как мировая капиталистическая и социально-экономическая системы хозяйствования. Эволюционные процессы внесли свои изменения и приобрели название «развитые страны», «развивающие страны и территории», «страны с централизованной плановой экономикой». Развитие институциональных основ определяет место и роль государства в мировом воспроизводственном процессе. Россия в мировом
воспроизводственном процессе рыночной экономики входит в ядро мирового хозяйства и определяет ход процессов на мировом рынке.
Промышленное развитие страны с рыночной экономикой характеризуются двумя основными особенностями такими как: равномерное освоение территорий и равномерное распределение средств. К промышленному производству относятся группы занятого населения, сосредоточение внешней торговли, экология, капиталовложения в науку. По этим данным Россия входит в большую восьмерку стран, которые характеризуются неоспоримыми успехами развития технологий во многих сферах деятельности, и занимает важную роль в мировой политике. В тоже время, по важнейшим экономическим показателям Россия может иметь для этого все потенциальные возможности занять ведущее место в мировой экономике.
Представим целостный, наиболее полный взгляд усовершенствованных основ институционализма пространственно-временного развития, основанного на показателях уровня социально-экономического развития, уровня экономического развития государства, определяющих степень его участия в мировом хозяйстве и промышленном развитии страны (состоящие из множества показателей) в виде обоснованной фрактальной базы. Примем эту базу за свернутую единицу по спирали, а математика допускает такую возможность: извлечь все из единицы, связанной духом (оператора), материей (аргумента), законом (функции) и энергией (неравенства), создавая новый виток общей единицы, в результате чего получается единый философский подход к единству. Под аргументом будем понимать грань формы содержания между внутренним и внешним полем объекта, которые дополняют друг друга до единицы и составляют амплитуду энергии, потенциал стоячей волны, слой действительных показателей на фоне поляризации. Единица выступает как спираль устойчивого развития, при том, что она трансцендентна, и может представлять собой бесконечную совокупность малых единиц, свернутых по спирали в точку, единицу, имеющую иерархию поляризованных элементов реальности (1 =10 0,9999... 999...). Каждая часть данного исследования имеет неизвестность, которая создает напряжение между добавленными уровнями социально-экономического развития новых встроенных единиц во всеобщую единицу, между количественными и полученными результатами, между множествами единиц внутри каждой единицы. Известно, что модуляция вызывает цепную реакцию и способствует появлению новых модуляций. В единичных показателях всеобщей единицы возникает неустойчивая напряженность в виде недостатка. В таких случаях сразу обнаруживается его дополнение до целостной единицы, наполняя ее и приводя показатели уровня социально-экономического развития к норме, устойчивости, а регулирование происходит природным критерием устойчивости [2]. Рассмотрим распакованную событиями всеобщую единицу как главный показатель основ институционализма, как сумму структурноупакованных
разнополярных зарядов нейрособытий из недостатка и избытка, взятых в относительных величинах, а общий объем воспринимать, как сумму зарядов поляризации, превращаемых в положительный инструмент. Рассмотрим целостную единицу и скрутку (ее частей) и представим первоэлементами показатели, где разные показатели в динамике образуют один показатель (к примеру: индекса человеческого развития).
Исследования комбинированной нейросетевой и динамической модели происходят при помощи метода сжатия информации нейросетевой спиралью полной единицы. Структура построенной сети со сжатием в скрутку спираль представлено на рис.1.
Исследования процесса на начальном этапе обычно заключаются в формировании показателей и математической обработки данных, которые представляют собой систему дифференцированных уравнений. Для такого решения существует множество методов. Полученные расчеты являются очень громоздкими и требуют значительных временных затрат. Применение численных методов ограничиваются во многих случаях тем, что некоторая часть переменных бывает не наблюдаема еще на начальных
значениях.
1 подуровень
2 подуровень
3 подуровень
3 подуровень
4 подуровень
Единица единичности (ЕЕЕ)
1.1
подуровень
13
подуровень
подуров
Рис. 1. Нейросемантический способ кодирования и декодирования, обладающий максимальной компрессией Источник: составлено авторами по [4-7]
Перспективным и более точным способом решения этой задачи станет совместное использование нейронной сети в дифференциальном представлении модели объекта исследования (рис. 2). Указанная методика позволяет соединить динамическое прогнозирование с нейросетевым. Прогнозирование процессов с помощью нейронных сетей основывается на социально-экономических показателях анализа и плана, результатов наблюдений внешних переменных. В этих условиях скрытых переменных
не требуется. Нейронная сеть на начальной стадии «наблюдает» за расчетами динамической модели и на основании этих данных учится прогнозировать параметры этого процесса. В процессе обучения нейронная сеть достигает необходимого качества выполняемой работы -нейронная сеть начинает выступать в качестве математической программы модели для данного вида исследований, использоваться для исследования их свойств и обнаружить скрытые параметры или не проявленные начальные условия данных.
Источник: с
груктура нейронной - сс о слоем «ворон влено авторами по [4-7]
Данные материалы можно рассмотреть при моделировании информационно-аналитической системы по усовершенствованию основ институционализма, базируясь на социально-экономических показателях анализа прогноза и планирования, если в целой единице (ЕЕЕ) нашего исследования находится три основных показателя, свернутых в скрутку, три единичности:
1. Показатели уровня экономического развития, из них три основных: ВВП на душу населения, структура экономики, уровень и качество жизни. Этот показатель имеет многочисленные подуровни, к которым относятся продолжительность жизни, степень заболеваемости, медицинское обслуживание, личная безопасность граждан, социальное обеспечение, образование, экология [3].
2. Уровень экономического развития государства, определяющего степень его участия в мировом хозяйстве. Этот показатель основан на всестороннем обозрении и его скрутка состоит из абсолютного и относительного ВВП (ВНП), национального дохода и дохода на душу населения, подуровня отраслевой структуры экспорта и импорта, уровня и качества жизни; основано на историческом эволюционном понятии каждого исторического этапа мирового хозяйства и каждого исторического этапа национального хозяйства.
3. Этот показатель основан на развитии промышленного отраслевого производства в рыночной экономике. В скрутке к ним относятся
показатели: количество ВВП в промышленном развитии, ВВП на душу населения занятых в промышленном секторе экономики, внешнеторговый оборот промышленного сектора экономики, подуровни, ВВП промышленного сектора потрачено на экологизацию, в науку, модернизацию, развитие отраслевых технологий. Все эти три единичности, скрутки по отдельности, при вводе данных в систему, образуют своеобразные воронки, точки единиц и описываются дифференциальными уравнениями:
" = iob^x' Odt P = g il (h - О ЬОс, OdÇ.
где Q(x,t) - 1 показатели трех основных уровней; ш(х, h) - показатель подуровней; h = z(xf t) — z0 (ж) - 2 уровень показателей, основных четыре; z(x,t) - показатель подуровней 4; z0(x) - 3 показатель (основных 4); Ь(х, - - 3.1 показатель подуровня 4; i = zf0(У) - место страны в мировых международных экономических отношениях; K(x,h) - модуль переменных, включенных в начальные значения; q(x) - показатель свободного развития институциональных основ в процессе эффективного экономического развития; D - ускорение процессов; С - коэффициент Шези; R -коэффициент использованных возможностей.
В разработанной компьютерной программе динамической модели на основе представленных дифференциальных уровней вычисляются значения Q(x,t) - показатели трех уровней целостной единицы (ЕЕЕ) единичностей, скруток при заданных показателях каждой скрутки в пространственном временном социально-экономическим развитием [4,6,7,]. Программная модель искусственной нейронной сети сначала наблюдает за процессом и использует полученные в динамической модели значения Q(x,t) для определения значимых показателей, последовательных связей и выполняет собственный прогноз.
На рис. 2 видно входной и выходной слой нейронной сети, каждая скрутка имеет количество своих показателей уровней и подуровней. Скрытый слой на рисунке отображен пунктиром составляют средний слой -горловину нейросетевой воронки. Сама воронка выполняет функцию отбора наиболее характерных важных присущих свойств, распознавая обучаемым способом [5]. Этот подбор очень важен при поступлении входной нейронной сети большого массива информации и её обработки. В начальном этапе происходит обучение скрутки «воронки», нейронная сеть учится воспроизводить с заданной точностью данные входного слоя i на выходном слое к. Таким образом, сеть обучается восстанавливать информацию после сжатия. Для этого настраиваются веса Wtj свертывания скрутки и Wjk восстановление развертывание скрутки. Следующий этап
предполагает отбрасывать слой к, который обучает скрутку «воронки» и настраиваем веса IVjk^ на классификацию представляемых образов, при этом веса Wtj обученные на сжатие показателей остаются неизменными и выполняют свои функции.
Выводы
Во-первых, перспективное направление остается за разработкой комбинированных нейросетевых динамических моделей, дополнив динамическую модель нейронной сетью по мере обучения. Появится возможность более точно и в полном объеме исследовать социально-экономические процессы развития экономики, удовлетворения потребностей общества, выявление точек экономического роста, определения скрытых возможностей и посредством государственного управления влиять на эти процессы, укрепляя роль государственных институтов.
Во-вторых, предложенный метод предоставит возможности многим прикладным наукам при математическом моделировании развития отраслевых экономик, территорий приоритетного развития, выявления скрытых точек экономического роста. Нейросетевая модель быстро обучаема и имеет высокую точность при прогнозировании.
В-третьих, учитывая различные условия при построении нейросетевой модели, преимущество в скорости увеличивается до 70 раз. Процесс поиска вычислений на построение сетевых гибридов включают динамические и нейросетевые показатели.
Дальнейшие исследования необходимо направить на практическое применение результатов исследования, учитывая результаты предыдущих исследований [1,3,8,9].
Литература
1. Борщ Л.М., Воробьев Ю.Н., Герасимова С.В. Институциональная поддержка государственного инвестиционного и инновационного развития // Инвестиции и инновации. 2015, №3. С. 16-21.
2. Бондаренко Ю.Г. Всеобщие законы Мироздания. М.: Новый центр, 2002. 567 с.
3. Борщ Л.М., Герасимова С.В. Институциональные приоритеты реформирования российской экономики // Интеграция науки и практики как механизм эффективного развития современного общества: XVII Международная научно-практическая конференция, 8-9 октября 2015 г.; тезисы доклада.-Москва, 2015. С. 90-98.
4. Васильев В.И. Интеллектуальные системы управления с применением нейросетей / В.И. Васильев, Б.Г. Ильясов, С.С. Валеев, С.В. Жернаков // Учебное пособие. Уфа: УГТУ, 1996. 100 с.
5. Чернодуб А.Н., Дзюба Д.А. Обзор методов нейроуправления. // Проблемы программирования. 2011. №2. С. 79-94.
6. Ясеницкиц Л.Н., Богданов К.В., Черепанов Ф.М. Технология нейросетевого моделирования. // Фундаментальные исследования, 2013. №1-3. С.736-740.
7. Ясиницкий Л.Н. Введение в искусственный интеллект 3-е издание. М.: Издательский центр «Академия» 2010. 176 с.
8. Буркалъцева Д.Д. 1нститущоналъне забезпечення економ1чно1 безпеки Украгни. : [монографгя]. К. : Знання Украгни, 2012. 347 с.
9. Економгчна безпека Украгни: проблеми та пргоритети змщнення : [монографгя] / З.С.Варналгй, Д.Д. Буркалъцева, О.С. Саенко. К.: Знання Украгни, 2011. 299 с.
Literature:
1. Borsch L.M., Vorobyov Y.N., Gerasmovа S.V. Institutional support for public investment and innovation development // Investments and Innovations. 2015, №3. Р. 16-21.
2. Bondarenko Yu The general laws of the Universe. M.: The new center, 2002. 567р.
3. Borsch L.M., Gerasmovа S.V. Institutional priorities of reforming the Russian economy // Integration of science and practice as a mechanism for the effective development of a modern society: XVII International scientific-practical conference, October 8-9, 2015; abstracts. Moscow, 2015. P. 90-98.
4. Vasiliev V.I. Intelligent control systems with the use of neural networks / V.I. Vasilev, B.G. Ilyasov, S.S. Valeev, S.V. Zhernakov // Textbook. Ufa: Ural State Technical University, 1996. 100 p.
5. Chernodub AN DA Dzyuba Overview neurocontrol methods. // Problems of programming. 2011. №2. Р.79-94.
6. Yasenitskits LN, Bogdanov KV, Cherepanov FM The technology of neural network modeling. // Basic Research, 2013. №1-3. Р. 736-740.
7. Yasinitsky LN Introduction to Artificial Intelligence 3rd edition. M .: Publishing Center "Academy" 2010. 176p.
8. Burkaltseva D.D. Institutional economic security of Ukraine. [Monograph]. K: Knowledge of Ukraine, 2012. 347p.
9. The economic security of Ukraine: problems and priorities in strengthening [monograph] / Z.S.Varnaliy, D.D. Burkaltseva, A.S. Saenko. K.: Knowledge of Ukraine, 2011. 299 p.
