Preview

Цифровая социология/Digital Sociology

Расширенный поиск

Обучение нейронной сети, моделирующей социально-экономическое развитие региона

https://doi.org/10.26425/2658-347X-2019-2-34-40

Полный текст:

Аннотация

Статья посвящена вопросам формирования массива данных для построения искусственной нейронной сети, предназначенной для поиска взаимосвязей между социальными и экономическими параметрами развития регионов Российской Федерации (далее – РФ). Актуальность исследований в этой области подтверждается большим количеством исследований в области региональной компаративистики, а также ограниченностью методик, применяемых в такого рода исследованиях, зачастую ограничивающихся описательными методами и базовыми техниками параметрической статистики. В этих условиях расширение математического аппарата и более активное внедрение информационных технологий, в том числе в области анализа больших данных (англ. big data) и построения прогностических моделей на основе искусственных нейронных сетей, представляется небезынтересным. При этом, однако, необходимо отметить, что ресурсов отдельного исследовательского коллектива может быть (и, вероятнее всего, будет) недостаточно для создания с нуля собственного программного решения для реализации алгоритмов машинного обучения. Использование сторонних программных платформ на основе облачных технологий (в первую очередь – инфраструктуры от IBM и Google) позволяет обойти проблему отсутствия у исследовательского коллектива дорогостоящей материально-технической базы, однако накладывают ряд ограничений, продиктованных как требованиями существующих алгоритмов машинного обучения, так и спецификой архитектуры предоставляемых платформ. Это ставит коллектив исследователей перед необходимостью подготовки накопленного массива данных к обработке: снижению размерности, проверке данных на соответствие требованиям платформы и исключения потенциальных проблемных зон: утечек данных, перекосов в обучении и иных. Работа была доложена на секции «Социология цифрового общества: структуры, процессы, управление» Международной конференц-сессии «Государственное управление и развитие России: национальные цели и институты».

Об авторах

С. В. Романчуков
ФГАОУ ВО «Национальный исследовательский Томский политехнический университет»
Россия

Романчуков Сергей Викторович, аспирант

г. Томск


О. Г. Берестнева
ФГАОУ ВО «Национальный исследовательский Томский политехнический университет»
Россия

Берестнева Ольга Григорьевна, д-р техн. наук

г. Томск


Л. А. Петрова
ГОУ ВО МО «Государственный гуманитарно-технологический университет»
Россия

Петрова Людмила Андреевна, канд. пед. наук

г. Орехово-Зуево


Список литературы

1. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. (1989). Прикладная статистика. Классификация и снижение размерности: справочное издание / Под ред. С.А. Айвазяна. М.: Финансы и статистика.

2. Васенков Д.В. (2007). Методы обучения искусственных нейронных сетей//Компьютерные инструменты в образовании. № 1. С. 20–29.

3. Толстова Ю.Н. (2015). Социология и компьютерные технологии//Социологические исследования. № 8. C. 3–13.

4. James G. (2003). Variance and Bias for General Loss Functions//Machine Learning. Режим доступа: http://www-bcf.usc.edu/~gareth/research/bv.pdf (дата обращения: 10.07.2019).

5. Mohri M., Rostamizadeh A., Talwalkar A. (2012). Foundations of Machine Learning. The MIT Press, Cambridge, USA.


Для цитирования:


Романчуков С.В., Берестнева О.Г., Петрова Л.А. Обучение нейронной сети, моделирующей социально-экономическое развитие региона. Цифровая социология/Digital Sociology. 2019;2(2):34-40. https://doi.org/10.26425/2658-347X-2019-2-34-40

For citation:


Romanchukov S.V., Berestneva O.G., Petrova L.A. Teaching a neural network modeling socio-economic development of the region. Digital Sociology. 2019;2(2):34-40. (In Russ.) https://doi.org/10.26425/2658-347X-2019-2-34-40

Просмотров: 95


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2658-347X (Print)