Нейронные сети в экономике
Заказать уникальный доклад- 6 6 страниц
- 15 + 15 источников
- Добавлена 17.11.2021
- Содержание
- Часть работы
- Список литературы
- Вопросы/Ответы
Иваново: Современные наукоемкие технологии. региональное приложение, 2019. – С. 61-72.Кожемякин Л.В. Применение нейронных сетей в моделировании кластерно-сетевых связей в нефтегазовой отрасли. Пермь: Прикладная математика и вопросы управления, 2020. – С. Rowland Zuzana. How can neural networks cope with cost modelling for a production company.Екатеринбург: Современная экономика России и Чехии: реалии и векторы развития, 2017. – С. 27 – 37.Application of Neural Networks in Finance and Investment Decisions. A K Mittal. GIAN JYOTI E-JOURNAL, Volume 1, Issue 2 (Jan – Mar 2012). Magazzino, C.; Mele, M. Santeramo, F.G. Using an Artificial Neural Networks Experiment to Assess the Links among Financial Development and Growth in Agriculture. Sustainability 2021, 13,2828. https://doi.org/10.3390/su13052828Frank Kübler and Rolf Steinhilper A Comparison of Neural Network and DOE Regression Analysis for Predicting Resource Consumption of Manufacturing Processes Golinska-Dawson P., Kübler F. (Ed.) Sustainability in Remanufacturing Operations. Springer International Publishing AG, 2018. — P. 67–78.Rajat Gupta, Shrikant Gupta, Muneendra Ojha and Krishna Pratap Singh Regularized Artificial Neural Network for Financial Data. Bansal J.C., Das K.N., Nagar A., Deep K., Ojha A.K. (Eds.) Soft Computing for Problem Solving: SocProS 2017, Volume 1. XVII. – Springer Nature Singapore Pte Ltd., 2019. — P. 745–755.
1. Чернов В.А. Реализация цифровых технологий в финансовом управлении хозяйственной деятельностью. Экономика региона. Екатеренбург: Институт экономики УрО РАН, Уральский федеральный университет им. первого Президента России Б.Н. Ельцина, 2020. – С. 283-297.
2. Балацкий Ю.В. Юревич М.А. Прогнозирование инфляции: практика использования синтетических процедур. М.: Мир новой экономики, 2018. – С. 20–31.
3. Хрусталёв Е.Ю., Шрамко О.Г. Использование метода нейронных сетей для прогнозирования эффективности инвестиционных вложений. E.Yu. Khrustalev et al. / Economic Analysis: Theory and Practice, 2017, vol. 16, iss. 8, pp. 1438–1454.
4. Самоорганизация, сети, будущее. Ахромеева Т. С., Малинецкий Г. Г., Посашков С. А., Торопыгина С. А. Моделирование и анализ информационных систем Т. 20, № 3, 2013 – С. 58 – 76.
5. Дятлов С.А Метадисциплинарный подход к исследованию энейро-сетевой экономики. Пенза: РОССИЯ В XXI ВЕКЕ: ФАКТОРЫ И МЕХАНИЗМЫ УСТОЙЧИВОГО РАЗВИТИЯ. 2016. – С. 56–66.
6. Ярушев С.А., Аверкин А.Н., Павлов В.Ю. Когнитивные гибридные системы поддержки принятия решений и прогнозирования. Тверь: Программные продукты и системы, 2017. – С. 632–642.
7. Абрамова М. А., Игонина Л. Л. Денежно-кредитные факторы активизации внутреннего инвестиционного спроса в российской экономике // Финансы: теория и практика. 2018. Т. 22. № 1. С. 128–143.
8. Евтянова Д.В. Искусственные нейронные сети как инструмент планирования экономического развития. М.: Государственное управление. Электронный вестник. Выпуск № 84, 2021. – С. 208–220.
9. Смирнова Н.В. Технологии интеллектуального анализа данных как инструмент поддержки принятия решений в оценочной деятельности. Иваново: Современные наукоемкие технологии. региональное приложение, 2019. – С. 61-72.
10. Кожемякин Л.В. Применение нейронных сетей в моделировании кластерно-сетевых связей в нефтегазовой отрасли. Пермь: Прикладная математика и вопросы управления, 2020. – С.
11. Rowland Zuzana. How can neural networks cope with cost modelling for a production company. Екатеринбург: Современная экономика России и Чехии: реалии и векторы развития, 2017. – С. 27 – 37.
12. Application of Neural Networks in Finance and Investment Decisions. A K Mittal. GIAN JYOTI E-JOURNAL, Volume 1, Issue 2 (Jan – Mar 2012).
13. Magazzino, C.; Mele, M. Santeramo, F.G. Using an Artificial Neural Networks Experiment to Assess the Links among Financial Development and Growth in Agriculture. Sustainability 2021, 13, 2828. https://doi.org/10.3390/su13052828
14. Frank Kübler and Rolf Steinhilper A Comparison of Neural Network and DOE Regression Analysis for Predicting Resource Consumption of Manufacturing Processes Golinska-Dawson P., Kübler F. (Ed.) Sustainability in Remanufacturing Operations. Springer International Publishing AG, 2018. — P. 67–78.
15. Rajat Gupta, Shrikant Gupta, Muneendra Ojha and Krishna Pratap Singh Regularized Artificial Neural Network for Financial Data. Bansal J.C., Das K.N., Nagar A., Deep K., Ojha A.K. (Eds.) Soft Computing for Problem Solving: SocProS 2017, Volume 1. XVII. – Springer Nature Singapore Pte Ltd., 2019. — P. 745–755.
Вопрос-ответ:
Какие наукоемкие технологии применяются в экономике регионального приложения?
Наукоемкие технологии, применяемые в экономике регионального приложения, включают использование нейронных сетей для моделирования кластерно-сетевых связей в нефтегазовой отрасли.
Каким образом нейронные сети помогают моделировать кластерно-сетевые связи в нефтегазовой отрасли?
Нейронные сети помогают моделировать кластерно-сетевые связи в нефтегазовой отрасли путем анализа большого объема данных и выявления сложных взаимосвязей между различными компаниями и организациями в этой отрасли.
Как нейронные сети справляются с моделированием затрат для производственной компании?
Нейронные сети могут эффективно моделировать затраты для производственной компании, так как они способны анализировать и учитывать большое количество факторов, влияющих на затраты, и предсказывать оптимальные стратегии с минимальными затратами.
Каковы примеры реального применения нейронных сетей в экономике регионального приложения?
Один из примеров реального применения нейронных сетей в экономике регионального приложения - использование нейронных сетей для анализа и оптимизации кластерно-сетевых связей в нефтегазовой отрасли. Это позволяет выявлять эффективные бизнес-модели и оптимизировать потоки товаров и услуг в этой отрасли.
Где можно прочитать подробнее о применении нейронных сетей в экономике регионального приложения?
Подробнее о применении нейронных сетей в экономике регионального приложения можно прочитать в статье "Применение нейронных сетей в моделировании кластерно-сетевых связей в нефтегазовой отрасли" автора Л.В. Кожемякин из журнала "Прикладная математика и вопросы управления 2020".
Какие наукоемкие технологии применяются в региональном приложении "Нейронные сети в экономике"?
В региональном приложении "Нейронные сети в экономике" применяются современные наукоемкие технологии моделирования кластерно-сетевых связей в нефтегазовой отрасли.
Кто является автором статьи "Применение нейронных сетей в моделировании кластерно-сетевых связей в нефтегазовой отрасли"?
Автором статьи "Применение нейронных сетей в моделировании кластерно-сетевых связей в нефтегазовой отрасли" является Л. В. Кожемякин.
Какой журнал опубликовал статью "Применение нейронных сетей в моделировании кластерно-сетевых связей в нефтегазовой отрасли"?
Статья "Применение нейронных сетей в моделировании кластерно-сетевых связей в нефтегазовой отрасли" была опубликована в журнале "Прикладная математика и вопросы управления".
Как нейронные сети справляются с моделированием стоимостной модели для производственной компании?
Нейронные сети позволяют эффективно моделировать стоимостную модель для производственной компании за счет анализа большого объема данных и выявления сложных зависимостей.
Какие реалии и векторы развития России и Чехии рассматриваются в журнале "Современная экономика России и Чехии"?
В журнале "Современная экономика России и Чехии" рассматриваются реалии и векторы развития экономики России и Чехии, анализируются современные тенденции и проблемы в области экономики обоих стран.
Какую роль играют нейронные сети в экономике?
Нейронные сети в экономике играют важную роль для прогнозирования и моделирования сложных экономических процессов. Они позволяют анализировать большие объемы данных, вычислять тенденции и строить прогнозы, что помогает принимать более обоснованные решения в бизнесе и финансовой сфере.
Какие наукоемкие технологии применяются в экономике регионального приложения?
В экономике регионального приложения применяются различные наукоемкие технологии, включая нейронные сети, математическое моделирование, статистический анализ данных и другие. Эти технологии помогают анализировать и прогнозировать экономические показатели региона и разрабатывать эффективные стратегии развития.