FEEDFORWARD NEURAL NETWORK IN EXPOSING THE HIDDEN DATA OF THE STATE STATISTICS COMMITTEE

Main Article Content

Olga Galanina
A. Golubev

Abstract

Feedforward neural networks are effectively used with some information uncertainty to obtain forecasts and can be used to calculate intermediate values.


The aim of the study is to obtain the most probable quantitative estimates of hidden or unpublished statistical information.


For example, statistical collections repeatedly lack information on sugar beet yields in some regions. This information could have been deliberately hidden in order to ensure the confidentiality of primary statistical data in accordance with Federal Law No. 282-FZ dated November 29, 2007 "On Official Statistical Accounting and the System of State Statistics in the Russian Federation".


The feedforward neural network is able to solve the task set and evaluate the missing information.


The proposed research is suitable not only in assessing the missing numerical information of statistical indicators of the agro-industrial complex but also in any similar life situations.

Downloads

Download data is not yet available.

Metrics

Metrics Loading ...

Article Details

Section
Economy agribusiness and agriculture, rural sociology

References

Белоусов, И. С. Использование нейронных сетей в сельском хозяйстве / И. С. Белоусов // Развитие АПК на основе принципов рационального природопользования и применения конвергентных технологий: Материалы Международной научно-практической конференции, проведенной в рамках Международного научно-практического форума, посвященного 75-летию образования Волгоградского государственного аграрного университета, Волгоград, 30 января – 01 2019 года. – Волгоград: Волгоградский государственный аграрный университет, 2019. – С. 331-335.

Парфенова, В. Е. Нечеткое регрессионное моделирование в задачах управления аграрным производством / В. Е. Парфенова // Инновации. – 2019. – № 7(249). – С. 88-92. – DOI 10.26310/2071-3010.2019.249.7.013.

Парфенова, В. Е. Нечеткие модели принятия оптимальных решений в управлении аграрным производством / В. Е. Парфенова // Инновации. – 2018. – № 10(240). – С. 88-92.

Парфенова, В. Е. Нечеткая модель оптимизации структуры посевных площадей / В. Е. Парфенова // Известия Санкт-Петербургского государственного аграрного университета. – 2017. – С. 176-183.

Fuzzy modelling for tasks of management of the agricultural-industrial complex / V. E. Parfenova, G. G. Bulgakova, Y. G. Amagaeva, K. V. Evdokimov // IOP Conference Series: Materials Science and Engineering : International Scientific-Practical Conference on Quality Management and Reliability of Technical Systems 2019, St. Petersburg, 20–21 июня 2019 года. – St. Petersburg: Institute of Physics Publishing, 2019. – P. 012067. – DOI 10.1088/1757-899X/666/1/012067.

Forecasting models of agricultural process based on fuzzy time series / V. E. Parfenova, G. G. Bulgakova, Y. G. Amagaeva [et al.] // IOP Conference Series: Materials Science and Engineering : 3rd International Scientific-Practical Conference on Quality Management and Reliability of Technical Systems, St. Petersburg, 27–29 августа 2020 года. – BRISTOL, 2021. – P. 012013. – DOI 10.1088/1757-899X/986/1/012013.

Галанина, О. В. Преимущества использования интеллектуальных систем прогнозирования в экономике сельского хозяйства в условиях недостатка информации / О. В. Галанина // Известия Международной академии аграрного образования. – 2020. – № 51. – С. 61-64.

Галанина, О. В. Нейронная сеть прямого распространения в исследовании экономики сельского хозяйства / О. В. Галанина, Ю. П. Золотарёва // Известия Международной академии аграрного образования. – 2021. – № 56. – С. 61-64.

Скворцов, Е. А. Перспективы применения технологий искусственного интеллекта в сельском хозяйстве региона / Е. А. Скворцов // Экономика региона. – 2020. – Т. 16. – № 2. – С. 563-576. – DOI 10.17059/2020-2-17.

Применение аэрофотосъёмки с применением мультиспектральной камеры в комплексе с нейросетью в сельском хозяйстве / А. С. Сыч, В. Балык, А. И. Поляков, А. В. Карталов // Chronos. – 2019. – № 9(36). – С. 26-28.