Статья: РАЗРАБОТКА СТРАТЕГИИ ИННОВАЦИОННОГО РАЗВИТИЯ ПРОМЫШЛЕННОСТИ В РЕГИОНАХ РОССИИ С ПРИМЕНЕНИЕМ МАШИННОГО ОБУЧЕНИЯ (2025)

Читать онлайн

Технологии машинного обучения являются достаточно мощным инструментом анализа больших данных, поэтому могут быть применены в российских регионах для разработки стратегии инновационного развития промышленности.

Для сравнения результатов качества прогнозирования и выбора наиболее оптимального метода на примере радиоэлектронной промышленности (РЭП) применен способ «машинного обучения k-ближайших соседей», нейронные сети «многослойный персептрон» и адаптивная нейро-нечеткая система вывода, включающая в себя алгоритм роя частиц, а также многомерные адаптивные регрессионные сплайны.

В качестве целевых функций рассмотрены: 1) объем инновационных товаров; 2) разработанные передовые производственные технологии; 3) сальдированный финансовый результат (информатизация и связь).

Представленная модель прошла обучение на основе выборки пакета девяти входных и трех целевых показателей в период с 2010 по 2022 г. для 83 регионов России. Для последующей верификации обученной модели оставлен 2023 г. выборки. Наиболее качественный прогноз был получен с помощью алгоритма машинного обучения k-ближайших соседей.

При проведении оценки было установлено, что перспективы инновационного развития в отрасли имеют те регионы, у которых значения прогнозных целевых функций попадают в плановые сегменты в 2023 г. Оценка проводилась лишь в тех регионах, для которых прогноз считался наиболее качественным, т. е. средняя абсолютная процентная ошибка < 0,5, это - Краснодарский и Пермский край, Нижегородская, Свердловская, Челябинская и Новосибирская области.

При выполнении подобного анализа для алгоритмов многомерных адаптивных регрессионных сплайнов (для цели 3), роя частиц (для цели 2), многослойных персептронов (для цели 1), было установлено, что претендующими на лидерство в отрасли РЭП имеют Нижегородская и Свердловская области, что частично подтверждает выводы, полученные с помощью способа машинного обучения.

Ключевые фразы: радиоэлектронная промышленность, инновационное развитие, машинное обучение, k-ближайших соседей, МНОГОСЛОЙНЫЙ ПЕРСЕПТРОН, адаптивная нейро-нечеткая система вывода, алгоритм роя частиц, многомерные адаптивные регрессионные сплайны
Автор (ы): Яшин Сергей Николаевич (YAshin S. N.), Кошелев Егор Викторович (Koshelev E. V.), Иванов Алексей Андреевич (Ivanov A. A.)
Журнал: ЭКОНОМИКА ПРОМЫШЛЕННОСТИ

Предпросмотр статьи

Идентификаторы и классификаторы

SCI
Экономика
УДК
330.341. Факторы экономического развития
Для цитирования:
ЯШИН С. Н., КОШЕЛЕВ Е. В., ИВАНОВ А. А. РАЗРАБОТКА СТРАТЕГИИ ИННОВАЦИОННОГО РАЗВИТИЯ ПРОМЫШЛЕННОСТИ В РЕГИОНАХ РОССИИ С ПРИМЕНЕНИЕМ МАШИННОГО ОБУЧЕНИЯ // ЭКОНОМИКА ПРОМЫШЛЕННОСТИ. 2025. ТОМ 18, № 2
Текстовый фрагмент статьи
Моя история просмотров (10)
Будьте первым, кто начнет обсуждение

Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.