планирование инновационной деятельности оптимизация генетический алгоритм нейросетевое прогнозирование конкурентная среда искусственный интеллект управление портфелем проектов цифровизация. innovation activity planning optimization genetic algorithm neural network forecasting competitive environment artificial intelligence project portfolio management digitalization. 1 Белослудцев Е.В., Николова Л.В. Оценка конкурентоспособности экономических систем с использованием самоорганизующихся нейронных сетей // π-Economy. 2011. № 2 (119). С. 230-232. 2 Бурнашев Р.Ф., Анварова Л.А. Применение нейронных сетей в автоматическом переводе и обработке естественного языка // Universum: технические науки. 2024. № 4 (121). С. 39-43. 3 Вакуленко С.А., Жихарева А.А. Практический курс по нейронным сетям: учебное пособие. Университет ИТМО, 2018. 71 с. 4 Воронков А.М. Нейронные сети в прогнозной аналитике: повышение эффективности принятия инвестиционных решений // Вестник науки. 2024. № 4 (73). С. 51-58. 5 Гафаров Ф.М., Галимянов А.Ф. Искусственные нейронные сети и их приложения: учебное пособие. Издательство Казанского университета, 2018. 121с. 6 Гайфулина Д.А., Котенко И.В. Анализ моделей глубокого обучения для задач обнаружения сетевых аномалий интернета вещей // Информационно-управляющие системы. 2021. № 1 (110). С. 28-37. 7 Гуляев П.А., Елистратова, Е.А., Коновалов, В.П., Куратов, Ю.М., Пугачев Л.П., Бурцев М.С. Отслеживание состояния целеориентированного диалога на основе БЕРТ // Труды МФТИ. 2021. № 3 (51). С. 48-61. 8 Данилов В.В. Нейронные сети: учебное пособие. ГОУ ВПО «Донецкий национальный университет», 2020. 158 с. 9 Дауб И.С. Обзор методов прогнозирования временных рядов с помощью искусственных нейронных сетей // StudNet. 2020. № 10. 10 Жусип М.Н., Жаксыбаев Д.О. Сравнение чат-ботов с использованием трансформеров и нейросетей: исследование применения архитектур GPT И BERT // Вестник науки. 2024. № 9 (78). С. 287-290. 11 Жусип М.Н., Жаксыбаев Д.О. Разработка мультимодальных чат-ботов: текст, голос и визуальные данные // Вестник науки. 2024. № 9 (78). С. 283-286. 12 Кабанова В.В., Логунова О.С. Применение искусственного интеллекта при работе с мультимедийной информацией // Вестник Череповецкого государственного университета. 2022. № 6 (111). С. 23-41. 13 Калик М.А., Дайнеко А.С., Драгун К.В. Обзор некоторых разновидностей нейронных сетей // Столыпинский вестник. 2023. № 11. С. 5516-5521. 14 Константинова Л.В., Ворожихин В.В., Петров А.М., Титова Е.С., Штыхно Д.А. Генеративный искусственный интеллект в образовании: дискуссии и прогнозы // Открытое образование. 2023. № 2. С. 36-48. 15 Куратов Ю.М., Юсупов И.Ф., Баймурзина Д.Р., Кузнецов Д.П., Чернявский Д.В., Дмитриевский А., Ермакова Е.С., Игнатов Ф.С., Карпов Д.А., Корнев Д.А., Ле Т.А., Пугин П.Ю., Бурцев М.С. Диалоговая система DREAM в конкурсе ALEXA PRIZE CHALLENGE 2019 // Труды МФТИ. 2021. № 3 (51). С. 62-89. 16 Салып Б.Ю., Смирнов А.А. Анализ модели bert как инструмента определения меры смысловой близости предложений естественного языка // StudNet. 2022. № 5. С. 3509-3518. 17 Савина С.А., Рюмшин А.В., Фомин А.В. Методика расчета эффективности внедрения реверсивных нейронных сетей в деятельность организации с целью анализа данных // Управленческий учет. 2025. № 6. С. 79-85. 18 Терехова Е.С., Пучкова Н.Н., Новикова Л.В. Анализ востребованности использования нейросетей для решения учебных задач // Концепт. 2024. № 8. С. 1-17. 19 Шуршев Т.В., Хоменко Т.В. Разработка системы интеллектуальной поддержки принятия решений на основе сверточной нейронной сети // XXI век: итоги прошлого и проблемы настоящего плюс. 2024. № 1 (65). Т. 13.