Search Results - "нейросетевое моделирование"

1

Academic Journal

OPTIMIZATION OF LASER ALLOYING PARAMETERS OF 30ХГСН2A STEEL USING A GENETIC ALGORITHM AND NEURAL NETWORK MODELING

Authors: Bayevich, G. A., Nikityuk, Yu. V., Maximenko, A. V., Kim, V. V., Kamalov, S. R., Aushev, I. Yu.

Source: Bulletin Sukhoi State Technical University of Gomel. :23-32

Subject Terms: Optimization, ANSYS, Лазерное легирование, MOGA, Генетический алгоритм, Нейросетевое моделирование, Laser alloying

File Description: application/pdf

Access URL: https://elib.gstu.by/handle/220612/42024

View record at OpenAIRE

2

Academic Journal

Проблемы адаптации нейродинамических систем в пространстве поведения и управления

Authors: V.P. Osipov, Y.I. Nechaev, A.N. Vasilyev

Source: Selected Papers of the XII International Scientific-Practical Conference Modern Information Technologies and IT- Education (SITITO 2017).

Subject Terms: Neuroinformatics, catastrophe theory, Нейроинформатика, нейродинамическая система, neural network modeling, pattern recognition, нейросетевое моделирование, распознавание образов, high-performance computing, адаптивное управление, adaptive control, 7. Clean energy, высокопроизводительные вычисления, теория катастроф, neuro-dynamic system, dynamic object, динамический объект

Access URL: https://search.datacite.org/works/10.25559/sitito.2017.5.455

3

Academic Journal

Система управления доступом с биометрической аутентификацией

Contributors: Бойправ, О. В.

Subject Terms: Нейросети, Машинное обучение, Безопасность данных, Нейросетевое моделирование, Системы управления доступом

File Description: application/pdf

Access URL: https://elib.gstu.by/handle/220612/42045

View record at OpenAIRE

4

Academic Journal

DIGITAL TRANSFORMATION OF TAX ADMINISTRATION IN THE RUSSIAN FEDERATION

Source: Экономика и предпринимательство. :119-122

Subject Terms: automated algorithms, мониторинг, tax control, tax administration, neural network modeling, нейросетевое моделирование, налоговый контроль, автоматизированные алгоритмы, Digitalization, Цифровизация, shadow economy, monitoring, налоговое администрирование, теневая экономика

5

Academic Journal

Повышение эффективности работы турбопитательного насоса АЭС путем улучшения гидравлических характеристик

Authors: Rytikov, I. A., Bakin, A. I., Ageev, D. A., Mechtaeva, M. N.

Subject Terms: ЭНЕРГОСБЕРЕЖЕНИЕ, NEURAL NETWORK MODELING, ENERGY EFFICIENCY, NUCLEAR POWER PLANTS, АТОМНЫЕ СТАНЦИИ, НЕЙРОСЕТЕВОЕ МОДЕЛИРОВАНИЕ, ЭНЕРГОЭФФЕКТИВНОСТЬ, ENERGY SAVING, OPTIMIZATION, ОПТИМИЗАЦИЯ

File Description: application/pdf

Access URL: http://elar.urfu.ru/handle/10995/129022

6

Academic Journal

Разработка специализированного программного комплекса для нейросетевого прогноза паводковых вод

Authors: Syryamkin, Vladimir Ivanovich, Ivanenko, Boris Pavlovich, Klestov, Semen Alexandrovich, Khilchuk, Maria Denisovna

Source: Известия Томского политехнического университета
Bulletin of the Tomsk Polytechnic University

Subject Terms: обучающие выборки, neural network modeling, нейросетевое моделирование, forecast, methods of constructing training samples, паводковые воды, accuracy characteristics, точностные характеристики, numerical modeling, программные комплексы, flood waters, прогнозы, методика построения, численное моделирование

File Description: application/pdf

Access URL: http://earchive.tpu.ru/handle/11683/76424

View record at OpenAIRE

7

Academic Journal

Определение архитектуры нейронной сети в задаче прогнозирования состояния заряда аккумулятора

Subject Terms: прогнозирование, chemical current source, neural network modeling, нейросетевое моделирование, химический источник тока, battery discharge level prediction, lithium-ion battery, уровень разряда аккумулятора, литий-ионный аккумулятор

8

Academic Journal

Comparative Analysis of the Effectiveness of the Budget Funds Use at the Regional Level ; Сравнительный анализ эффективности использования бюджетных средств на региональном уровне

Authors: E. A. Rechkina, A. M. Terekhov, Zh. G. Popkova, Е. А. Речкина, А. М. Терехов, Ж. Г. Попкова

Source: Statistics and Economics; Том 20, № 4 (2023); 55-65 ; Статистика и Экономика; Том 20, № 4 (2023); 55-65 ; 2500-3925

Subject Terms: управление государственным долгом, budget expenditures, neural network modeling, regres-sion analysis, public debt management, расходы бюджета, нейросетевое моделирование, регрессионный анализ

File Description: application/pdf

Relation: https://statecon.rea.ru/jour/article/view/1768/1363; Алпаткина Е.С. Отдельные аспекты анализа государственного бюджета Российской Федерации // Государственная власть и местное самоуправление. 2022. № 2. С. 26–31.; Бочкарева Е.А. Сбалансированность региональных бюджетов: тенденции правового регулирования // Финансовое право. 2021. № 10. С. 13–16.; Забралова О.С. Расходные обязательства субъекта Российской Федерации в социальной сфере в структуре бюджета // Актуальные проблемы российского права. 2021. № 11. С. 42–48.; Лазарева Г.И. Бюджетная политика на субфедеральном уровне // Вестник Белгородского университета кооперации, экономики и права. 2017. № 4(65). С. 114–125.; Матвеева Д.А. Баланс доходов и расходов региональных бюджетов как фактор обеспечения их финансовой устойчивости // Вестник научных конференций. 2016. № 2–6(6). С. 75–76.; Ниналалова Ф.И., Касимов Р.З., Магомедсаламов М.И. Проблемы финансового обеспечения социальной сферы // Экономика и предпринимательство. 2021. № 4(129). С. 1408–1411.; Прокофьев М.Н., Фрыгин А.В. Проблемы и особенности управления местными бюджетами в условиях пандемии // Вестник Московского университета им. С.Ю. Витте. Серия 1: Экономика и управление. 2020. № 4(35). С. 39–45.; Саттарова Н.А. Об эффективности использования бюджетных средств // Финансовое право. 2022. № 5. С. 19–22.; Ткаченко Р.В. Межбюджетные отношения и программно-целевое бюджетное планирование в России: вопросы теории и практики // Финансовое право. 2022. № 2. С. 21–28.; Усков И.В. Повышение эффективности бюджетной системы в России // Евразийский юридический журнал. 2021. № 1 (152). С. 450–451.; Ханова Л.М., Шатров К.Д. Расходы федерального бюджета на финансовое обеспечение образовательных услуг вузов, оценка их эффективности // Экономика и предпринимательство. 2020. № 5(118). С. 518–522.; Хутова Л.А., Шардан С.К., Акбаев Р.A. Анализ и пути повышения эффективности финансово-бюджетной сферы муниципального образования (на примере Малокарачаевского муниципального района Карачаево-Черкесской республики) // Каспийский регион: политика, экономика, культура. 2015. № 2(43). С. 192–198.; Bulamu N.B., Kaambwa B., Gill L., Cameron I.D., Ratcliffe J. An early investigation of individual budget expenditures in the era of consumer-directed care // Australas J Ageing. 2020. № 39. С. e145–e152.; Cao F., Xi Y., Zheng C., Bai T., Sun Q. How Efficient are Basic Public Health Services Between Urban and Rural in Shandong Province, China? A Data Envelopment Analysis and Panel Tobit Regression Approach // Risk Management and Healthcare Policy. 2022. № 15. С. 727–738.; Günlük-Şenesen G., Kırık H. The AKP Era: Democratization or Resecuritization? An Assessment of the Institutional and Budgetary Reflections // Research and Policy on Turkey. 2016. № 1(1). С. 75–87.; Günlük-Şenesen G. Budgetary trade-offs of security expenditures in Turkey // Defence and Peace Economics. 2002. № 13(5). С. 385–403.; Guo G. China’s Local Political Budget Cycles // American Journal of Political Science. 2009. № 53. С. 621–632.; Peng P., Cao T. Attention, institutional friction, and punctuated equilibrium in China’s budget: Changes in social security and employment expenditure // Politics & Policy. 2023. № 00. С. 1–27.; Portillo Navarro M.J., Lagos Rodríguez G., Meseguer Santamaría M.L. Public expenditure on disability (PED) in Europe: An efficiency analysis // Regional Science Policy & Practice. 2021. № 13(5). С. 1479–1495.; Cohn S. M. Problems in Estimating Federal Government Expenditures // Journal of the American Statistical Association. 1959. № 54(288). С. 717–729.; Smith S.M., Bryson P.J., Cornia G.C. Intergovernmental Fiscal Relations in the Czech Republic // Eastern European Economics. 2010. № 48(2). С. 74–86.; Bannova K.A., Aktaev N. E. Mathematical modelling of optimal tax trajectory within the framework of Cobb-Douglas model // Applied Economics Letters. 2020. № 27(17). С. 1451–1457.; https://statecon.rea.ru/jour/article/view/1768

Availability: https://statecon.rea.ru/jour/article/view/1768
https://doi.org/10.21686/2500-3925-2023-4-55-65

View record from BASE

9

Academic Journal

Optimization of laser alloying parameters of 30ХГСН2A steel using a genetic algorithm and neural network modeling ; Оптимизация параметров лазерного легирования стали 30ХГСН2А с использованием генетического алгоритма и нейросетевого моделирования

Authors: Bayevich, G. A., Nikityuk, Yu. V., Maximenko, A. V., Kim, V. V., Kamalov, S. R., Aushev, I. Yu.

Subject Terms: Laser alloying, Optimization, MOGA, ANSYS, Лазерное легирование, Нейросетевое моделирование, Генетический алгоритм

Subject Geographic: Гомель

File Description: application/pdf

Relation: Optimization of laser alloying parameters of 30ХГСН2A steel using a genetic algorithm and neural network modeling = Оптимизация параметров лазерного легирования стали 30ХГСН2А с использованием генетического алгоритма и нейросетевого моделирования / G. А. Bayevich, Yu. V.Nikityuk, А. V. Maximenko [et. al.] // Вестник Гомельского государственного технического университета имени П. О. Сухого. – 2025. – № 2. – С. 23–32.; https://elib.gstu.by/handle/220612/42024; 621.791.725

Availability: https://elib.gstu.by/handle/220612/42024

View record from BASE

10

Academic Journal

Система управления доступом с биометрической аутентификацией

Authors: Романов, Д. А.

Contributors: Бойправ, О. В.

Subject Terms: Нейросети, Нейросетевое моделирование, Машинное обучение, Безопасность данных, Системы управления доступом

Subject Geographic: Гомель

File Description: application/pdf

Relation: https://elib.gstu.by/handle/220612/42045

Availability: https://elib.gstu.by/handle/220612/42045

View record from BASE

11

Academic Journal

Сравнение возможностей нейронных сетей и метода Шеппарда для прогнозирования наводнений на основе обработки статистических данных

Source: Цифровая экономика.

Subject Terms: flooding, 13. Climate action, neural network modeling, нейросетевое моделирование, наводнение, Shepard's method, time series, Нейронные сети, метод Шепарда, временные ряды, Neural networks

12

Book

Интеллектуальный анализ данных

Subject Terms: интеллектуальный анализ данных, информационные технологии, пороговая функция, метод наименьших квадратов, нейросетевое моделирование, метод скользящей средней, нейронные сети, временные ряды

File Description: application/pdf

Access URL: https://rep.vsu.by/handle/123456789/34265

13

Academic Journal

Optimization of The Budget of The Industrial Complex Transformation Strategy Based on Neural Network Modeling ; Оптимизация бюджета стратегии преобразований промышленного комплекса на основе нейросетевого моделирования

Authors: A. G. Boev, A. G. Puzakov, Yu. P. Anisimov, А. Г. Боев, А. Г. Пузаков, Ю. П. Анисимов

Source: Statistics and Economics; Том 19, № 3 (2022); 50-63 ; Статистика и Экономика; Том 19, № 3 (2022); 50-63 ; 2500-3925

Subject Terms: затраты, industrial complex, neural network modeling, budgeting, institutional transformations, costs, промышленный комплекс, нейросетевое моделирование, бюджетирование, системные преобразования

File Description: application/pdf

Relation: https://statecon.rea.ru/jour/article/view/1610/1312; Леванова Е.Ю., Данилова Н.Л., Хусаинова А.С. Методы и последовательность проведения экономико-статистического анализа финансовой устойчивости экономического субъекта // Вестник Российского университета кооперации. 2021. № 3(45). С. 24–29.; Нименья И.Н., Черкасова И.О. Оценка эффективности деятельности предприятия на основе анализа бюджета // Вестник ИНЖЭКОНа. Серия: Экономика. 2013. № 5(64). С. 43–49.; Снатенков А.А., Исайчева Е.А. Статистический анализ финансовой устойчивости компаний производства пищевой продукции Российской Федерации // Азимут научных исследований: экономика и управление. 2020. Т. 9. № 4(33). С. 349–351.; Наседкина Т.И., Черных А.И., Гончаренко О.В. Анализ рентабельности как инструмент управления организацией // Инновации в АПК: проблемы и перспективы. 2021. № 1(29). С. 173–192.; Титова О.В., Зверева Е.Е. Применение статистических методов в анализе исполнения и формирования бюджета на основе данных предприятия ПАО «НЛМК» // Вектор экономики. 2021. № 1(55). С. 51.; Нуркашева Н.С., Акпарова А.А., Айдынов З.П. Модели бюджетирования в строительных организациях // Статистика, учет и аудит. 2019. № 2(73). С. 219–224.; Исследование по цифровизации и инновационной открытости российских предприятий. Результаты совместного опроса KPMG и Агентства стратегических инициатив (август, 2020 г.). [Электрон. ресурс]. Режим доступа: https://home.kpmg/ru/ru/home/insights/2020/08/innovations-report-kpmg-asi.html. (Дата обращения: 14.05.2022).; Крусс А.Е. Преодоление стратегического разрыва // Российское предпринимательство. 2007. № 10. С. 37–41.; Клейнер Г.Б., Пирогов Н.Л. Главная задача – совершенствование организационно-экономического механизма развития российских предприятий // МИР (Модернизация. Инновации. Развитие). 2018. Т. 9. № 2. С. 248–259.; Валь Г. Факторы, влияющие на реализацию корпоративной стратегии // SAP Professional Journal Россия. 2019.№ 2(73). C. 21–24.; Ukko J., Nasiri M., Saunila M., Rantala T. Sustainability Strategy as a Moderator in the Relationship between Digital Business Strategy and Financial Performance // Journal of Cleaner Production. 2019. Т. 236. (Дата обращения: 14.05.2022).; Henriette E., Feki M., Boughzala I. The Shape of Digital Transformation: A Systematic Literature Review // Proceedings of the Ninth Mediterranean Conference on Information Systems (MCIS) Samos, Greece, 2015. С. 1–7.; Kotarba M. Digital Transformation of Business Models // Foundations of Management. 2018. № 10. С. 123–142.; Verhoef P., Broekhuizen T., Bart Y.et al. Digital transformation: A multidisciplinary reflection and research agenda // Journal of Business Research. 2021. № 122. С. 889–901.; Andrews D., Nicoletti G., Timiliotis C. Digital technology diffusion: A matter of capabilities, incentives or both? // OECD Economics Department Working Papers No1476. Paris: OECD Publishing, 2018. 79 с.; Нортон Д., Каплан Р. Защитите стратегически важные расходы. Harvard business review. [Электрон. ресурс]. Режим доступа: https://hbr-russia.ru/management/upravlenie-izmeneniyami/a9748/. (Дата обращения: 14.05.2022).; Федеральная служба государственной статистики [Электрон. ресурс]. Режим доступа: http://www.gks.ru/. (Дата обращения: 14.05.2022).; Адизес И. Управление жизненным циклом корпораций. М.: Манн, Иванов и Фербер, 2019. 512 с.; Ганьшина Е.Ю., Смирнова И.Л., Иванова С.П. Взаимосвязь выбора направлений инвестирования с последующими экономическими результатами и стратегией устойчивого развития организации // Вестник Российского экономического университета им. Г.В. Плеханова. 2021. № 3. С. 56–65.; Пен Т.В. Создание математической модели для решения экономических задач, используя математический аппарат «нейронная сеть» // Молодой ученый. 2019. № 3(241). С. 109–112.; Кочеваткина Э.Ф., Миляева Н.В., Устинова Н.Н. Применение нейронных сетей для прогнозирования экономических явлений // Modern Economy Success. 2022. № 2. С. 100–106.; Пынько Л.Е., Толкачева Е.В. Применение нейронных сетей в регрессионном анализе регионального управления цифровизацией экономики // Власть и управление на Востоке России. 2020. № 3(92). С. 126–134.; Болотов Р.О. О применении нейронных сетей для оценки финансовой устойчивости компаний // Russian Journal of Management. 2020. Т. 8. № 1. С. 106–110.; Коваленко Л.А. Применение сверточных нейронных сетей для прогнозирования временных рядов // Процессы управления и устойчивость. 2019. Т. 6. № 1. С. 292–296.; Саадалов Т., Мырзаибраимов Р., Абдуллаева Ж.Д. Методика расчета коэффициента корреляции Фехнера и Пирсона, и их области применения // Бюллетень науки и практики. 2021. Т. 7. № 10. С. 270–276.; Бабина Д.А., Глебова В.А. Метод оценки нормальности распределения результатов измерений по критерию согласия Пирсона на основе Excel // Молодой ученый. 2021. № 47(389). С. 75–81.; Муравьев С.Р., Пэк Т.Н. Критерии экономической эффективности и результативности при оценке бюджетных программ // Финансовая экономика. 2019. № 4. С. 76–81.; Легостаева С.А., Алехина Л.Л., Трошина Е.В. Построение модели оценки результативности и эффективности управления по результатам // Вестник ОрелГИЭТ. 2020. № 2(52). С. 24–30.; https://statecon.rea.ru/jour/article/view/1610

Availability: https://statecon.rea.ru/jour/article/view/1610
https://doi.org/10.21686/2500-3925-2022-3-50-63

View record from BASE

14

Academic Journal