TY - JOUR TI -

Трансфертное обучение и доменная адаптация на основе моделирования социально-экономических систем

T2 - Бизнес-информатика IS - Бизнес-информатика KW - трансфертное обучение KW - доменная адаптация KW - имитационное моделирование KW - системы поддержки принятия решений KW - социально-экономическое развитие регионов AB -       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. AU - О. Д. Казаков AU - О. В. Михеенко UR - https://bijournal.hse.ru/2020--2 Vol.14/374882466.html PY - 2020 SP - 7-20 VL -