2020. №2 Vol.14

      В статье рассматриваются вопросы примененияметодовтрансфертного обучения (transfer learning) и доменной адаптации (domain adaptation) в рекуррентной нейронной сети, построенной по архитектуре долгой краткосрочной памяти (long short-term memory, LSTM), для повышения эффективности управленческих решений и государственной экономической политики. Обзор существующих в данной области подходов позволяет сделать вывод о необходимости решения ряда практических вопросов повышения качества предиктивной аналитики для задач разработки прогнозов развития социально-экономических систем. В частности, в контексте применения алгоритмов машинного обучения одной из проблем представляется ограниченное количество размеченных данных. Авторами реализовано обучение исходной рекуррентной нейронной сети на синтетических данных, полученных в результате имитационного моделирования, с последующим трансфертным обучением и доменной адаптацией. Для реализации этой цели на основе комбинирования нотаций системной динамики с агентным моделированием в системе AnyLogic разработана имитационная модель, позволяющая исследовать влияние совокупности факторов на ключевые параметры эффективности социально-экономической системы.Обучение исходной LSTM осуществлялось с помощью открытойпрограммной библиотеки для машинного обучения TensorFlow. Предложенный подход позволяет расширить возможности комплексного применения методов имитационного моделирования для построения нейронной сети в целях обоснования параметров развития социально-экономической системы и позволяет получить информацию о ее перспективном состоянии.

      В работе предложен один из подходов для решения задачи, возникающей перед операторами железнодорожного транспорта. Задача состоит в оптимальном с точки зрения максимизации прибыли управлении парком грузовых железнодорожных вагонов. Исходными данными для транспортного оператора являются список заявок, поступающих от заказчиков, и местоположение вагонов к началу планового периода. Заявка, сформированная заказчиком, содержит станцию отправления, станцию назначения, а также наименование и объем груза, который заказчик хотел бы перевезти. К заявке добавляется ставка, которую заказчик платит транспортному оператору за каждый перевезенный вагон груза. Планирование осуществляется на месяц вперед и заключается, с одной стороны, в выборе наиболее выгодных к исполнению заявок, с другой стороны – в построении такой последовательности грузовых и порожних перегонов, которые исполнят выбранные заявки с наибольшей эффективностью. Непосредственная транспортировка грузовых и порожних вагонов осуществляется силами РЖД с заранее известными тарифами и временными нормативами движения по каждому из маршрутов. При этом тарифы на грузовые перегоны являются дополнительными издержками заказчика, указанного в заявке маршрута (заказчики платят как транспортному оператору за использование вагонов, так и РЖД). При этом транспортировку порожних вагонов оплачивают транспортные операторы. Для решения поставленной задачи предложен один из возможных способов сведения данной задачи к задаче линейного программирования большой размерности. Предложен алгоритм, результатом выполнения которого является задача, записанная в виде задачи линейного программирования. Для наглядности демонстрации подхода рассматривается упрощенная постановка, учитывающая лишь основные факторы моделируемого процесса. Также в работе продемонстрирован пример численного решения поставленной задачи на основе простых модельных данных.

      В статье приводится краткая характеристика когнитивного менеджмента, открывающего уникальные возможности для эффективного управления предприятиями в современных сложных и нестабильных условиях. Обсуждаются проблемы коммерческой реализации этой перспективной парадигмы. Отмечается, что главной, критической из этих проблем является отсутствие развитой инженерии когнитивного менеджмента. Предлагается концептуальная схема решения этой проблемы, основанная на конвергенции идей и методов «когнитивной школы» и эмпирического опыта, накопленного в инженерии знаний. Приводятся результаты использования концептуальной схемы в четырех исследовательских проектах с различной отраслевой ориентацией, различными внутренними условиями и различной динамикой внешней среды. Обсуждаются инжиниринговые перспективы предлагаемой схемы в части коммерциализации когнитивной школы, идентифицированной Г. Минцбергом, Б. Альстрендом и Д. Лемпелом еще тридцать лет назад.

      Целью исследования является разработка методики оценки рыночной стоимости по совокупности ценообразующих факторов, подчиняющихся совместному логарифмически нормальному распределению. Под совместным логарифмически нормальным распределением понимается распределение случайного вектора, логарифмы компонент которого распределены совместно нормально. Предложен метод оценки рыночной стоимости по условному распределению цен при заданных значениях ценообразующих факторов, а также методы анализа цены предложения с точки зрения ее обоснованности, по условному распределению вектора ценообразующих факторов при заданной цене предложения. Рассмотрены особенности коэффициента застройки в зависимости от площади земельного участка. Приведены дополнительные аргументы в пользу оценки рыночной стоимости как моды условных законов распределения цен. Рассмотрен пример многомерного логарифмически нормального распределения цены и таких ценообразующих факторов, как площадь улучшений (устоявшийся в оценочном сообществе термин, означающий общую площадь возведенных на земельном участке зданий и сооружений) и площадь земельного участка на реальных данных, т.е. для случая трехмерного случайного вектора. Обоснована формула для определения точки абсолютного максимума плотности многомерного логарифмически нормального случайного вектора. Полученные результаты могут быть использованы при создании информационных систем поддержки принятия решений при оценке объектов недвижимого имущества.

      Сфера информационных технологий является одной из наиболее динамично развивающихся на рынке труда. Предъявляемый спрос на навыки имеет значительную вариацию в зависимости от отрасли и сферы деятельности организаций, специфики рабочего места и организации труда. Для формирования навыков, достаточных для успешного трудоустройства выпускников, со стороны системы образования необходим качественный мониторинг спроса, предъявляемый работодателями. В статье представлен алгоритм, позволяющий определить ключевые комбинации навыков, которые необходимы компаниям в сфере информационных технологий в зависимости от профессиональных групп. Использованные в статье подходы, TF-IDF и n-граммы, позволили извлечь и структурировать знания, умения и навыки, полученные из неструктурированной базы данных интернет-вакансий на рынке труда. В результате были найдены ключевые комбинации профессиональных навыков для отдельных профессиональных групп. Предложенный алгоритм позволяет определить и стандартизировать ключевые навыки, которые могут быть использованы для создания системы российских классификаторов по профессиям и навыкам. Кроме того, алгоритм формирует списки ключевых комбинаций навыков, которые высоко востребованы компаниями в каждой конкретной профессиональной группе в сфере информационных технологий.

      В прикладных задачах бизнес-информатики, связанных с анализом данных (в частности, при анализе и прогнозировании временных рядов при исследовании лог-файлов бизнес-процессов) возникают задачи качественного анализа. Методы качественного анализа достаточно часто используют символьное кодирование как способ представления информации об исследуемых процессах. В ряде ситуаций, обусловленных фрагментарностью таких описаний, возникает задача реконструкции полного символьного описания процесса (слова) по его последовательным фрагментам (подсловам). По мультимножеству всех подслов достаточно большой длины исходное слово восстанавливается однозначно. В случае недостаточно длинных подслов возможно множество различных реконструкций исходного неизвестного слова. Число допустимых реконструкций можно сократить, если определить суффикс и префикс реконструируемого слова. Предложен метод определения префикса и суффикса слова над конечным алфавитом, состоящих из символов каждый, на основании мультимножества подслов фиксированной длины, равной. Принимается гипотеза о том, что это мультимножество порождено смещением на один символ окна фиксированной длины по неизвестному слову.Метод определения префикса и суффикса основан на построениии анализе матрицы, образованной записанными по строкам в произвольном порядке подсловамиз  и использовании оператора, действующего на мультимножества символов алфавита, образованных соседними столбцами этой матрицы.Метод позволяет определить префикс  и суффикс  неизвестного слова в случае, если  для любых  от 1 до . В случае, если  только для некоторых значений , в префиксе и суффиксе определяются символы в соответствующих позициях, а для остальных символов выполняется условие . В худшем случае метод констатирует, что  для всех  от 1 до , но не определяет сами символы. Это ситуация, при которой префикс и суффикс совпадают, но не могут быть определены.