НЕЙРОННАЯ СЕТЬ ПРЯМОГО РАСПРОСТРАНЕНИЯ (FEEDFORWARD NEURAL NETWORK) В ИЗОБЛИЧЕНИИ СОКРЫТЫХ ДАННЫХ ГОСКОМСТАТА
Аннотация
Нейронные сети прямого распространения эффективно используются при некоторой информационной неопределенности для получения прогнозов и могут быть использованы для расчета промежуточных значений.
Целью исследования является получение наивероятнейших количественных оценок скрытой или неопубликованной статистической информации.
Например, в статистических сборниках неоднократно отсутствует информация по урожайности сахарной свеклы в некоторых регионах. Эта информация сознательно могла быть скрыта с целью обеспечения конфиденциальности первичных статистических данных в соответствии с Федеральным законом от 29 ноября 2007 №282-ФЗ «Об официальном статистическом учете и системе государственной статистики в Российской Федерации».
Нейронная сеть прямого распространения способна решить поставленную задачу и оценить недостающие сведения.
Предлагаемое научное исследование пригодно не только в оценке недостающей числовой информации статистических показателей АПК, но и в любых аналогичных жизненных ситуациях.
Полный текст только в pdf
Список литературы
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.