AN INNOVATIVE METHOD FOR STUDYING THE DIGITAL TRANSFORMATION OF THE RUSSIAN ECONOMY USING ARTIFICIAL NEURAL NETWORKS
DOI:
https://doi.org/10.25806/uu-4542Статья поступила в редакцию: 11.07.2024
Статья принята к публикации: 28.08.2024
Статья опубликована: 10.09.2024
Keywords:
subjects of the Russian Federation, regional economy, technological sovereignty, digital transformation, innovation, cluster analysis, artificial neural networksAbstract
The article examines the socio-economic development of the subjects of the Russian Federation in the context of strengthening technological sovereignty from the perspective of digital transformation. The purpose of the work is a cluster analysis of the digital transformation of the Russian economy using an innovative research method - artificial neural networks. The objects of the study were the subjects of the Russian Federation, certified by 9 indicators selected from the Rosstat website in accordance with the author's model. The multifactorial task describing the state of the economy of the subjects of Russia was solved using an innovative and effective method of cluster analysis based on artificial neural networks, which are a significant element of artificial intelligence and embodied on the platform of the Russian analytical software complex Deductor. As a result of neural network cluster analysis, the subjects of the Russian Federation were grouped into 6 cluster formations. The lack of correlation of the cluster solution with the location of the subjects of Russia as part of the federal districts of the Russian Federation is shown. The different level of modern development of the regional economy has been identified according to a variety of considered indicators reflecting digital transformation on the scale of clusters. From an economic point of view, the features of digitalization in the subjects of the Russian Federation are analyzed in terms of leveling its disproportionality and attracting existing reserves to activate the country's technological sovereignty.
Информация о публикации
Финансирование: Исследование выполнено без привлечения внешнего финансирования, если иное не указано авторами.
Вклад авторов: Все авторы внесли существенный вклад в подготовку статьи, ознакомились с окончательной версией рукописи и одобрили ее к публикации.
Конфликт интересов: Авторы заявляют об отсутствии конфликта интересов, если иное не указано в публикации.
Правообладатель: Издательский дом «Академический».
Лицензия: Статья распространяется на условиях лицензии Creative Commons Attribution 4.0 International (CC BY 4.0).
Машиночитаемый файл метаданных: JATS XML
References
Указ Президента Российской Федерации «О Стратегии развития информационного общества в Российской Федерации на 2017–2030 годы» от 9 мая 2017 г. № 203. [Электронный ресурс]. URL: http://kremlin.ru/acts/news/54477 (дата обращения: 04.06.2024).
Указ Президента Российской Федерации от 28 февраля 2024 г. № 145 «О Стратегии научно-технологического развития Российской Федерации». [Электронный ресурс]. URL: http://www.kremlin.ru/acts/bank/50358 (дата обращения: 04.06.2024).
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». [Электронный ресурс]. URL: https://www.garant.ru/hotlaw/federal/1717715/ (дата обращения: 04.06.2024).
Летягина Е.Н. Особенности оценки экономической эффективности внедрения инноваций в энергетику// Вестник Нижегородского университета им. Н.И. Лобачевского. 2010. № 3-2. С. 520-522.
Сулимова Е.А. Цифровой инструментарий управления предприятиями: CRM, ERP, ECM, BI // Инновации и инвестиции. 2023. № 5. С. 158-160.
Кузнецов Ю.А., Маркова С.Е. Анализ качественных особенностей динамики развития российского рынка ИКТ. Структурный подход // Труды НГТУ им. Р.Е. Алексеева. 2013. № 3 (100). С. 242-252.
Яшин С.Н., Борисов С.А., Кулагова И.А. Региональные особенности реализации процесса цифровизации экономики в Российской Федерации // Вестник Алтайской академии экономики и права. 2021. № 2. С. 106-115.
Абдрахманова Г.И., Васильковский С.А., Вишневский К.О. и др. Цифровая экономика: 2023: Краткий статистический сборник. М.: Национальный исследовательский университет «Высшая школа экономики», 2023. 120 с.
Федеральная служба государственной статистики. [Электронный ресурс]. URL: https://gks.ru (дата обращения: 04.06.2024).
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. № 1. Т. 13. С. 127-148. DOI: 10.18334/vinec.13.1.117247.
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. DOI:10.52452/18115942_2022_4_32.
Трофимов О.В., Саакян А.Г. Политика импортозамещения на предприятиях оборонно-промышленного комплекса России // Вестник Нижегородского госуниверситета им. Н.И. Лобачевского. Серия: Социальные науки. 2022. № 3 (67). С. 44-49.
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. DOI: 10.36511/2588-0071-2023-3-37-47.
Иванова Т.А. Методы анализа больших данных: искусственные нейронные сети// Инженерные кадры - будущее инновационной экономики России. 2022. № 1. С. 727-731.
Рассел С., Норвиг П. Искусственный интеллект: современный подход. М.: Вильямс, 2006. 1408 с.
Летягина Е.Н., Перова В.И. Искусственный интеллект в анализе региональных инновационных экосистем Российской Федерации в условиях импортозамещения // Экономический анализ: теория и практика. 2024. Т. 23. № 5. С. 834-856. DOI: 10.24891/еа.23.5.834.
Kohonen T. Self-organized formation of topologically correct feature maps // Biological Cybernetics. 1982. V. 43. P. 59-69.
Kohonen T. The self-organizing map // Proceedings of the Institute of Electrical and Electronics Engineers. 1990. V. 78. No. 9. P. 1464-1480.
Плехова Ю.О., Коляда А.А. Методика разработки бизнес-модели организации и прогнозирования её экономической эффективности // Теория и практика общественного развития. № 8. 2023. С. 101-112.
Малов Д.Н., Летягина Е.Н. Разработка нейросетевой модели кластеризации экономики для анализа инвестиционной привлекательности предприятий // Креативная экономика. 2019. Т. 13. № 8. С. 1529-1536.
