НЕЙРОСЕТЕВОЕ МОДЕЛИРОВАНИЕ ДИНАМИКИ РАЗВИТИЯ ИННОВАЦИОННОГО ПОТЕНЦИАЛА ЦИФРОВОЙ РЕГИОНАЛЬНОЙ ЭКОНОМИКИ С ПОЗИЦИИ НАЦИОНАЛЬНЫХ ЦЕЛЕЙ РОССИЙСКОЙ ФЕДЕРАЦИИ |
| научная статья | 004.032.26:332.1 | ||
| 74-82 |
| В ракурсе национальных целей развития Российской Федерации в настоящем исследовании проведено нейросетевое моделированию динамики инновационного потенциала регионов страны в обстановке возрастающих внешних вызовов на фоне глобальной технологической конкуренции. Актуальность работы связана с необходимостью динамического анализа инновационной деятельности, сочетающей научную деятельность и цифровую трансформацию в масштабе субъектов России. При формировании тактической и стратегической стратегии инновационного регионального развития, опирающейся на отечественную научно-техническую базу, важным компонентом при реализации принимаемых решений являются алгоритмы искусственного интеллекта. В работе в качестве инструмента нелинейного многокритериального анализа за период 2020– 2024 годы построены самоорганизующиеся нейронные сети на платформе современной российской программной системы Loginom. На основе официальных данных Федеральной службы государственной статистики, отражающих научную, цифровую трансформацию в реальном секторе экономики и инновационную составляющую экономической деятельности, проведено динамическое нейросетевое моделирование. В результате исследования получены кластерные решения, в которых нейронные сети разграничили субъекты Российской Федерации на шесть устойчивых кластерных формаций. Приведены архитектура и диагностическая характеристика каждого кластера в динамике, сформулированы практические выводы. Полученные результаты носят научную и прикладную направленность. Они могут представлять интерес для специалистов в области оперативного анализа, региональных органов власти и экспертных центров, занимающихся выстраиванием дифференцированных стратегий устойчивого инновационного развития субъектов, содействующих укреплению технологического лидерства в контексте национальных целей Российской Федерации. |
 |
| 1 . Указ Президента Российской Федерации от 07.05.2024 года № 309 «О национальных целях развития Российской Федерации на период до 2030 года и на перспективу до 2036 года». URL: https://www.gar-ant.ru/hotlaw/federal/1717715/ 2 . Программа «Цифровая экономика Российской Федерации» (Утверждена Распоряжением Правительства Российской Федерации от 28 июля 2017 г. № 1632-р). URL: http://government.ru/docs/28653(дата обращения: 20.04.2026). 3 . Плехова Ю.О., Перова В.И. Инновационный метод анализа управления социально-экономическим развитием регионов России с применением нейросетевого моделирования // Вопросы инновационной экономики. 2025. Т. 15, № 1. С. 125–144. 4 . Никитин Г.С., Скобелев Д.О. Эффективность государственных и корпоративных инвестиций в развитие реального сектора экономики // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2022. № 4 (68). С. 32–41. URL: https://doi.org/10.52452/18115942_2022_4_32 5 . Фролов В.Г., Перова В.И. Анализ инновационно-инвестиционной сбалансированности промышленной политики России в условиях цифровой трансформации с применением методов искусственного интеллекта // Вопросы инновационной экономики. 2023. Т. 13, № 1. С. 127–148. 6 . Моровова И.М. Факторы инвестиционной безопасности региона в современных условиях // На страже экономики. 2026. № 1 (36). С. 29–37. 7 . Серебрякова Т.Ю., Медяков С.В. Комплексный подход к оценке финансовой безопасности региона // На страже экономики. 2024. № 3 (30). С. 82–91. URL: https://doi.org/10.36511/2588-0071-2024-3-82-91 8 . Захаров В.Я., Лудушкина Е.Н., Корнилова Е.В., Кислинская М.В. Безопасность сложных экономических систем: управление рисками их цифровой трансформации // Экономический анализ: теория и практика. 2021. Т. 20, № 4 (511). С. 592–623. 9 . Трофимов О.В., Фролов В.Г., Климова Е.З. Анализ особенностей развития высокотехнологичных предприятий промышленности в экономике Нижегородской области // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2021. Т. 61, № 1. С. 33–38. URL: https://doi.org/10.52452/18115942_2021_1_33 10 . Федеральная служба государственной статистики (Росстат). URL: https://gks.ru(дата обращения: 20.04.2026). 11 . Любушин Н.П., Летягина Е.Н., Перова В.И. Нейросетевое исследование цифровой трансформации промышленности // Экономический анализ: теория и практика. 2026. № 1. С. 4–18. URL: https://doi.org/10.24891/kvbefj 12 . Тронин С.А., Ботсваку А. Моделирование влияния цифровизации на рост производительности в промышленности России до 2030 г. // Кузнечно-штамповочное производство. Обработка материалов давлением. 2024. № 2. С. 83–92. 13 . Кузнецов Ю.А. Человеческий капитал, производительность труда и экономический рост // Экономический анализ: теория и практика. 2012. № 43. С. 2–14. 14 . Плехова Ю.О., Семенов А.В., Перова В.И., Панов А.И. Нейросетевой анализ инновационного развития экономики субъектов Российской Федерации в контексте технологического лидерства страны // На страже экономики. 2025. № 4. С. 45–54. 15 . Малкина М.Ю., Плехова Ю.О., Перова В.И., Сочков А.Л. Исследование влияния отраслевой структуры российских регионов на их экономическое развитие с использованием методов искусственного интеллекта // Экономический анализ: теория и практика. 2025. Т. 24, № 2. С. 123–143. 16 . Перова В.И. Нейронные сети в экономических приложениях. Часть 2. Нейронные сети, обучаемые без учителя. Нижний Новгород: Изд-во Нижегородского госуниверситета, 2012. 135 с. 17 . Аналитическая платформа Loginom [Электронный ресурс]. URL: https://loginom.ru(дата обращения: 20.04.2026). 18 . Хайкин С. Нейронные сети: полный курс. М.: Издательский дом «Вильямс», 2006. 1104 с. |