Искусственный интеллект в моделях регионального управления социально-экономическими процессами
EDN: VCDVUF
Аннотация
В работе анализируются методология создания информационно-технологической платформы «цифровых портретов» сложных социально-экономических систем на примере региональных систем России как одного из необходимых элементов стратегического управления процессами достижения национальных целей. Для решения задач, связанных с созданием цифровых портретов, определены практические способы применения технологий Data Mining, алгоритмов искусственного интеллекта, методов математической статистики, линейной алгебры, а также кластерного и экономического факторного анализа. На этой основе предложены модели для целей цифровой трансформации региональных систем управления социально-экономическими процессами.
Об авторе
А. Н. Троценко
Научно-исследовательский институт Социальных Систем при МГУ имени М. В. Ломоносова
Россия
Россия
Троценко Анатолий Николаевич, доктор физико-математических наук, член Ученого совета
Москва
Список литературы
1. Адамов В. Е. Факторный индексный анализ (методология и проблемы). М. : Статистика, 1977. 200 с.
2. Акаев А. А., Ичкитидзе Ю. Р., Петряков А. А., Сарыгулов А. И. Цифровая трансформация экономики: эмпирические факты и математические модели. СПб. : Издательско-полиграфическая ассоциация высших учебных заведений, 2020. 336 с.
3. Акаев А. А., Садовничий В. А. Человеческий фактор как определяющий производительность труда в эпоху цифровой экономики // Проблемы прогнозирования. 2021. № 1 (184). С. 45–58. DOI 10.47711/0868-6351-184-45-58. EDN WFYDGO
4. Белоглазов Д. А. Особенности нейросетевых решений, достоинства и недостатки, перспективы применения // Известия Южного федерального университета. Технические науки. 2008. Т. 84, № 7. С. 105–110. EDN KAPCWZ
5. Блюмин С. Л., Суханов В. Ф., Чеботарёв С. В. Экономический факторный анализ. Липецк : Изд-во Липецкого эколого-гуманитарного института (ЛЭГИ). 2004. 148 с.
6. Виноградова Н. М. Теория индексов. М. : Гостехиздат, 1930. 200 с.
7. Дюк В. А., Флегонтов А. В., Фомина И. К. Применение технологий интеллектуального анализа данных в естественнонаучных, технических и гуманитарных областях // Известия РГПУ им. А. И. Герцена. 2011. № 138. С. 77–83. EDN NDNWEJ
8. Елисеева И. И., Князевский В. С., Ниворожкина Л. И., Морозова З. А. Теория статистики с основами теории вероятности. М. : Финансы и статистика. 2002. 400 с.
9. Ефанов В. А., Чаадаев В. К., Шляхов А. С. Стратегирование цифровой трансформации промышленного предприятия (на примере ФГУП «Российская телевизионная и радиовещательная сеть») // Экономика промышленности. 2023. Т. 16, № 1. С. 95–104. DOI 10.17073/2072-1633-2023-1-95-104. EDN ADVHOJ
10. Журавлев Д. М. Стратегирование цифровой трансформации сложных социально-экономических систем / под науч. ред. В. Л. Квинта. СПб. : ИПЦ СЗИУ РАНХиГС, 2024. (Серия «Библиотека стратега»). 352 с.
11. Журавлев Д. М., Троценко А. Н., Чаадаев В. К. Методология и инструментарий стратегирования социально-экономического развития региона // Экономика промышленности. 2022. Т. 15, № 2. С. 131–142. DOI 10.17073/2072-1633-2022-2-131-142. EDN IAXLHE
12. Журавлев Ю. И., Рязанов В. В., Сенько О. В. Распознавание. Математические методы. Программная система. Практические применения. М. : Фазис. 2006. 176 с.
13. Журавлев Ю. И., Флеров Ю. А., Вялый М. Н. Основы высшей алгебры и теории кодирования. М. : Изд-во ФУПМ МФТИ, 2019. 308 с.
14. Замков О. О., Толстопятенко А. В., Черемных И. Н. Математические методы в экономике. М. : Дело и сервис, 1997. 368 с.
15. Ивченко Г. И., Медведев Ю. И. Математическая статистика : учебник. М. : КД «ЛИБРОКОМ», 2014. 352 с.
16. Исмагилов И. И., Кадочникова Е. И., Костромин А. В. Эконометрика. Казань : Изд-во Казанского университета, 2014. 235 с.
17. Капелюшников Р. И. Искусственный интеллект и проблема сингулярности в экономике // Препринт WP3. 2025.01. Серия WP3 «Проблемы рынка труда»). М. : Изд. дом Высшей школы экономики, 2025. 67 с.
18. Клейнер Г. Б. Производственные функции. Теория, методы, применение. М. : Финансы и статистика, 1986. 238 с.
19. Кремер Н. Ш., Путко Б. А. Эконометрика : учебник для вузов. М. : ЮНИТИ-ДАНА, 2004. 311 с.
20. Лаптева Е. А., Навдаева С. Н., Ирхина Л. Н. Статистика: индексный метод анализа : учеб. пособие. Н. Новгород : Изд-во Нижегородского ГАТУ, 2022. 164 с.
21. Меликян А. А. Применение индексного метода в исследовании региональной цифровой дифференциации // Инновации и инвестиции. 2025. № 3. С. 406–409. EDN GINLLH
22. Некипелов А. Д. Об экономической стратегии и экономической политике России в современных условиях // Научные труды Вольного экономического общества России. 2021. Т. 230, № 4. С. 76–89. DOI 10.38197/2072-2060-2021-230-4-76-89. EDN MHLEYL
23. Некипелов А. Д. От нейтрализации внешних шоков к устойчивому долгосрочному развитию // Научные труды Вольного экономического общества России. 2024. Т. 248, № 4. С. 130–142. DOI 10.38197/2072-2060-2024-248-4-130-142. EDN IMGYWO
24. Обухов А. М. О статистических ортогональных разложениях эмпирических функций // Известия АН СССР. Сер. Геофизика. 1960. № 3. С. 432–439.
25. Овсянников Г. Н. Факторный анализ в доступном изложении: Изучение многопараметрических систем и процессов. М. : КД «ЛИБРОКОМ», 2025. 176 с.
26. Орлов А. И. Искусственный интеллект: статистические методы анализа данных : учебник. М. : Ай Пи Ар Медиа, 2022. 843 с.
27. Регионы России: социально-экономические показатели. М. : Росстат, 2020. 1242 с.
28. Трофимова Е. А., Кисляк Н. В., Гилев Д. В. Теория вероятностей и математическая статистика : учеб. пособие. Екатеринбург : Изд. Уральского университета, 2018. 160 с.
29. Успенский А. Б., Романов С. В., Троценко А. Н. Применение метода главных компонент для анализа ИК-спектров высокого разрешения, измеренных со спутников // Исследования Земли из космоса. 2003. № 3. С. 26–33. EDN OOCSXX
30. Aggarwal Charu C. Neural Networks and Deep Learning: A Textbook, Second Edition, 2023. Springer Cham, 2024. 529 р.
31. Breiman L. Bagging Predictors // Machine Learning. 1996. № 24. P. 123–140.
32. Cook R. D., Weisberg S. Residuals and Influence in Regression. New York: Chapman and Hall, 1982. 230 р.
33. Goodfellow I., Bengio Y., Courville A. Deep Learning (Adaptive Computation and Machine Learning series). The MIT Press, 2016. 800 р.
34. Kao Yi-Hao, Van Roy B. Directed Principal Component Analysis // Operations Research. 2014. Vol. 62, N 4. P. 957–972.
35. McAuley J. Personalized Machine Learning. Cambridge University Press, 2022. 326 р.
36. Stephens-Davidowitz S. Everybody Lies: Big Data, New Data, and What the Internet Can Tell Us About Who We Really Are. Dey Street Books, 2018. 352 р.
37. Zaki, M. J., Wagner Meira Jr. Data Mining and Machine Learning: Fundamental Concepts and Algorithms. Second Edition. Publisher: Cambridge University Press. 2020. 766 p.
Рецензия
Для цитирования:
Троценко А.Н. Искусственный интеллект в моделях регионального управления социально-экономическими процессами. Управленческое консультирование. 2026;(1):99-117. EDN: VCDVUF
For citation:
Trotsenko N.T. Artificial Intelligence in Models for Regional Management of Socio-Economic Processes. Administrative Consulting. 2026;(1):99-117. (In Russ.) EDN: VCDVUF
Просмотров:
64
JATS XML
Контент доступен под лицензией Creative Commons «Attribution-ShareAlike» («Атрибуция-СохранениеУсловий») 4.0 Всемирная.
Послать статью по эл. почте 