Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки

16+

Название статьи

НЕЙРОННЫЕ СЕТИ В АНАЛИЗЕ ИННОВАЦИОННОЙ ДЕЯТЕЛЬНОСТИ И ТЕХНОЛОГИЧЕСКОГО ЛИДЕРСТВА КАК ФАКТОРОВ ПОСТУПАТЕЛЬНОГО СОЦИАЛЬНО-ЭКОНОМИЧЕСКОГО РАЗВИТИЯ СУБЪЕКТОВ РОССИИ

Тип статьи	научная статья	Коды УДК	004.032.26:332.1
Страницы	66-74	Ключевые слова

Авторы

Плехова Ю.О.Перова В.И.Богомолова М.А.Леонтьева А.А.

Место работы

Плехова Ю.О. Нижегородский государственный университет им. Н.И. ЛобачевскогоLobachevsky State University of Nizhny Novgorod
Перова В.И. Нижегородский государственный университет им. Н.И. ЛобачевскогоLobachevsky State University of Nizhny Novgorod
Богомолова М.А. Нижегородский государственный университет им. Н.И. ЛобачевскогоLobachevsky State University of Nizhny Novgorod
Леонтьева А.А. Компания «Протон»Proton Company

Аннотация

Цель научной работы состоит в исследовании устойчивого инновационного развития экономики регионов и технологического лидерства в контексте национальных целей развития Российской Федерации с применением разработанного авторами собственного рационального метода. Основой данного метода являются самоорганизующиеся нейронные сети – значительная составляющая искусственного интеллекта. Авторами построена нейронная сеть на платформе отечественного программного продукта Loginom, которая дифференцировала субъекты РФ на восемь устойчивых групп в соответствии с тринадцатью статистическими региональными индикаторами. Проведен анализ кластерного решения, получено распределение регионов по кластерным формациям с позиций их инновационного развития и состояния технологического лидерства, оценен уровень инновационной экономической деятельности субъектов в масштабе кластеров. Оригинальность исследования состоит в разработке и архитектуре комплекса критериев, которые объединены в два блока. В первый блок вошли семь показателей, которые характеризуют устойчивую инновационную экономику. Второй блок содержит шесть факторов, описывающих технологическое лидерство. Результаты работы могут быть интересны при корректировании управленческих решений по формированию актуальных стратегий инновационного развития экономики регионов Российской Федерации. Это особенно важно в современных конкурентных условиях и вызовах внешних обстоятельств при решении задачи усиления технологического лидерства в ракурсе национальных целей государства.

Загрузить статью

Библиографический список

1 . Указ Президента Российской Федерации от 07.05.2024 № 309 «О национальных целях развития Российской Федерации на период до 2030 года и на перспективу до 2036 года». URL: https://www.garant.ru/hotlaw/federal/1717715/
2 . 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. https://doi.org/10.52452/18115942_2022_4_32.
3 . 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. https://doi.org/10.52452/18115942_2021_1_33.
4 . Современные методы и модели экономики предприятия, бухгалтерского учета, анализа и аудита: Коллективная монография / О.В. Трофимов, Ю.О. Плехова, И.Е. Мизиковский [и др.]. Нижний Новгород: ННГУ, 2025. 267 с.
5 . Перова В.И., Плехова Ю.О. Методы искусственного интеллекта в исследовании экономической деятельности субъектов Российской Федерации в контексте усиления технологического лидерства страны // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2024. № 3. С. 42–49.
6 . 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.
7 . 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.
8 . Новикова И.В. Стратегирование развития трудовых ресурсов: основные элементы и этапы // Стратегирование: теория и практика. 2021. Т. 1. № 1. С. 57–65. https://doi.org/10.21603/2782-2435-2021-1-1-57-65.
9 . Кузнецов Ю.А. Человеческий капитал, производительность труда и экономический рост // Экономический анализ: теория и практика. 2012. № 43. С. 2–14.
10 . Кузнецов В.П., Летягина Е.Н., Перова В.И. Искусственный интеллект в анализе человеческого капитала как основы экономической безопасности регионов Российской Федерации // На страже экономики. 2023. № 3 (26). С. 37–47.
11 . 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.
12 . Любушин Н.П., Летягина Е.Н., Перова В.И. Исследование инновационного развития региональной экономики как императива устойчивого социально-экономического роста России с применением нейросетевого моделирования // Экономический анализ: теория и практика. 2021. Т. 20. № 8. С. 1394–1414. https://doi.org/10.24891/ea.20.8.1394
13 . 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.
14 . Любушин Н.П., Летягина Е.Н., Перова В.И. Нейросетевое исследование цифровой трансформации промышленности // Экономический анализ: теория и практика. 2026. Т. 25. № 1. С. 4–18.
15 . Федеральная служба государственной статистики (Росстат). URL: https://gks.ru (дата обращения: 30.03.2026).
16 . Государственная статистика. URL: https://fedstat.ru/ ЕМИСС (дата обращения: 30.03.2026).
17 . Хайкин С. Нейронные сети: полный курс. М.: Издательский дом «Вильямс», 2006. 1104 с.
18 . Kohonen T. The self-organizing map // Proceedings of the IEEE. Sept. 1990. V. 78. № 9. Р. 1464–1480.
19 . Kohonen T., Oja E., Simula O. et al. Engineering applications of the self-organizing map // Proceedings of the IEEE. Oct. 1996. V. 84. № 10. Р. 1358–1384.
20 . Кохонен Т. Самоорганизующиеся карты. М.: Бином. Лаборатория знаний, 2008. 655 с.
21 . Chen N., Chen L., Ma Y., Chen A. Regional disaster risk assessment of China based on self-organizing map: Clustering, visualization and ranking // International Journal of Disaster Risk Reduction. 2019. № 33. Р. 196–206.
22 . Kaufman L., Rousseeuw P. Finding groups in data: An introduction to cluster analysis. Hoboken, NJ: John Wiley & Sons, 2005. 342 р. http://dx.doi.org/10.1002/9780470316801.ch1.analysis.
23 . Блануца В.И. Стратегия развития искусственного интеллекта в России: потенциальное воздействие на региональную экономику // Азимут научных исследований: экономика и управление. 2020. Т. 9. № 4 (33). С. 61–66.
24 . Земцов С.П. Потенциал создания и внедрения технологий искусственного интеллекта в регионах России // Региональные исследования. 2024. № 1 (83). С. 34–47.
25 . Гафаров Ф.М., Галимянов Ф.М. Искусственные нейронные сети и приложения. Казань: Изд-во Казан. ун-та, 2018. 121 с.
26 . Болдыревский П.Б., Игошев А.К., Кистанова Л.А. Кластерный анализ и нейросетевое моделирование динамики индекса промышленного производства обрабатывающей промышленности России // Экономический анализ: теория и практика. 2019. Т. 18. № 11. С. 2158–2172.
27 . Ильичев В.Ю., Вершинин Е.В., Денисенко М.С. Использование методов нейросетевого анализа для оценки проектных рисков // Нанотехнологии: наука и производство. 2024. № 5. С. 42–48.
28 . Никифорова Н.А. Анализ состояния нейросетевых моделей в различных сферах их применения // Экономические науки. 2023. № 221. С. 260–264.
29 . Петрова О.А. Применение нейросетевого моделирования для анализа эффективности принятия бизнес-решений // Russian Journal of Management. 2024. V. 12. № 3. P. 323–329.