Поиск :
Личный кабинет :
Электронный каталог: Яшин, С.Н. - Разработка стратегии инновационного развития промышленности в регионах России c применением машин...
Яшин, С.Н. - Разработка стратегии инновационного развития промышленности в регионах России c применением машин...
Нет экз.
Статья
Автор: Яшин, С.Н.
Экономика промышленности (электронная версия): Разработка стратегии инновационного развития промышленности в регионах России c применением машин...
2025 г.
ISBN отсутствует
Автор: Яшин, С.Н.
Экономика промышленности (электронная версия): Разработка стратегии инновационного развития промышленности в регионах России c применением машин...
2025 г.
ISBN отсутствует
Статья
Яшин, С.Н.
Разработка стратегии инновационного развития промышленности в регионах России c применением машинного обучения / Яшин С.Н., Кошелев Е.В., Иванов А.А. // Экономика промышленности (электронная версия). – 2025. – №2. – С.241-253. - 635079. – На рус. яз.
Применение технологии машинного обучения для анализа больших данных в целях разработки стратегии инновационного развития промышленности. Использование способа "машинного обучения k-ближайших соседей", нейронных сетей "многослойный персептрон" и адаптивной нейро-нечеткой системы вывода, включающего в себя алгоритм роя частиц, а также многомерные адаптивные регрессионные сплайны для сравнения результатов качества прогнозирования и выбора наиболее оптимального метода на примере радиоэлектронной промышленности (РЭП). Целевые показатели, проанализированные в исследовании: объем инновационных товаров; разработанные передовые производственные технологии; сальдированный финансовый результат. 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. Наиболее качественный прогноз получен с помощью алгоритма машинного обучения k-ближайших соседей. Этапы ML оценки перспектив инновационного развития РЭП в регионах России. При проведении оценки установлено, что перспективы инновационного развития в отрасли имеют те регионы, у которых значения прогнозных целевых функций попадают в плановые сегменты 2023 г. Проведение оценки в регионах, для которых прогноз считался наиболее качественным (средняя абсолютная процентная ошибка < 0,5): Краснодарский и Пермский край, Нижегородская, Свердловская, Челябинская и Новосибирская области. При выполнении подобного анализа для алгоритмов многомерных адаптивных регрессионных сплайнов, роя частиц, многослойных персептронов, установлены регионы, претендующие на лидерство в отрасли РЭП, - это Нижегородская и Свердловская области.
Ключевые слова = АЛГОРИТМ
Ключевые слова = ИННОВАЦИИ
Ключевые слова = ИННОВАЦИОННАЯ ДЕЯТЕЛЬНОСТЬ
Ключевые слова = ИННОВАЦИОННОЕ РАЗВИТИЕ
Ключевые слова = МЕРКУЛОВА Н.В.
Ключевые слова = МОДЕЛЬ
Ключевые слова = ПРОФЕССИОНАЛИЗМ
Ключевые слова = ПРОФЕССИОНАЛЬНАЯ ПОДГОТОВКА
Ключевые слова = РАДИОЭЛЕКТРОНИКА
Ключевые слова = РЕГИОНАЛЬНОЕ РАЗВИТИЕ
Ключевые слова = СОПОСТАВЛЕНИЕ
Ключевые слова = ЭКОНОМИЧЕСКАЯ ПОЛИТИКА. УПРАВЛЕНИЕ ЭКОНОМИКОЙ. РЕГИОНАЛЬНАЯ ЭКОНОМИКА
Яшин, С.Н.
Разработка стратегии инновационного развития промышленности в регионах России c применением машинного обучения / Яшин С.Н., Кошелев Е.В., Иванов А.А. // Экономика промышленности (электронная версия). – 2025. – №2. – С.241-253. - 635079. – На рус. яз.
Применение технологии машинного обучения для анализа больших данных в целях разработки стратегии инновационного развития промышленности. Использование способа "машинного обучения k-ближайших соседей", нейронных сетей "многослойный персептрон" и адаптивной нейро-нечеткой системы вывода, включающего в себя алгоритм роя частиц, а также многомерные адаптивные регрессионные сплайны для сравнения результатов качества прогнозирования и выбора наиболее оптимального метода на примере радиоэлектронной промышленности (РЭП). Целевые показатели, проанализированные в исследовании: объем инновационных товаров; разработанные передовые производственные технологии; сальдированный финансовый результат. 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. Наиболее качественный прогноз получен с помощью алгоритма машинного обучения k-ближайших соседей. Этапы ML оценки перспектив инновационного развития РЭП в регионах России. При проведении оценки установлено, что перспективы инновационного развития в отрасли имеют те регионы, у которых значения прогнозных целевых функций попадают в плановые сегменты 2023 г. Проведение оценки в регионах, для которых прогноз считался наиболее качественным (средняя абсолютная процентная ошибка < 0,5): Краснодарский и Пермский край, Нижегородская, Свердловская, Челябинская и Новосибирская области. При выполнении подобного анализа для алгоритмов многомерных адаптивных регрессионных сплайнов, роя частиц, многослойных персептронов, установлены регионы, претендующие на лидерство в отрасли РЭП, - это Нижегородская и Свердловская области.
Ключевые слова = АЛГОРИТМ
Ключевые слова = ИННОВАЦИИ
Ключевые слова = ИННОВАЦИОННАЯ ДЕЯТЕЛЬНОСТЬ
Ключевые слова = ИННОВАЦИОННОЕ РАЗВИТИЕ
Ключевые слова = МЕРКУЛОВА Н.В.
Ключевые слова = МОДЕЛЬ
Ключевые слова = ПРОФЕССИОНАЛИЗМ
Ключевые слова = ПРОФЕССИОНАЛЬНАЯ ПОДГОТОВКА
Ключевые слова = РАДИОЭЛЕКТРОНИКА
Ключевые слова = РЕГИОНАЛЬНОЕ РАЗВИТИЕ
Ключевые слова = СОПОСТАВЛЕНИЕ
Ключевые слова = ЭКОНОМИЧЕСКАЯ ПОЛИТИКА. УПРАВЛЕНИЕ ЭКОНОМИКОЙ. РЕГИОНАЛЬНАЯ ЭКОНОМИКА