Использование языка R для решения задач классификации социально-экономических данных с помощью искусственного интеллекта

Н. Ю. Рудь, А. Н. Можельский

Аннотация


Недостаток структурированного подхода к применению машинного обучения в социально-экономической сфере серьёзно замедляет инновационное развитие. Отсутствие чёткой методологии внедрения искусственного интеллекта, основанного на машинном обучении, препятствует не только ускорению инновационных процессов, но и общему повышению научно-технического потенциала страны. Проблема заключается не только в отсутствии готовых решений, но и в недостатке понимания того, как эффективно адаптировать существующие алгоритмы машинного обучения к специфике социально-экономических задач. Классификация данных с использованием нейронных сетей представляет собой современный метод машинного обучения, который позволяет решать разнообразные задачи, включая распознавание изображений, анализ текстов, прогнозирование финансовых тенденций и диагностику заболеваний. В статье осуществляется систематизация и классификация аспектов машинного обучения, а также подчеркивается важность ускорения разработки и внедрения алгоритмов, которые являются основой искусственного интеллекта. Это необходимо для повышения эффективности управления социально-экономическими процессами.

Ключевые слова


искусственный интеллект; язык R; подход; метод; социально-экономический процесс

Литература


R Core Team. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL: https://www.R-project.org/ (visited on 19.10.2024).

Venables, W. N., Ripley, B. D. Modern Applied Statistics with S, 4th ed by W. N. Venables and B. D. Ripley. Springer. 2002. DOI 10.1007/978-0-387-21706-2.

Fritsch S, Guenther F, Wright M (2019). _neuralnet Training of Neural Networks_. R package version 1.44.2. URL https://CRAN.R-project.org/package=neuralnet (visited on 19.10.2024).

Kuhn, M. (2008). Building predictive models in R using the caret package // Journal of Statistical Software, 28(5), 1-26. 10.18637/jss.v028.i05 (visited on 19.10.2024). DOI 10.18637/jss.v028.i05.

Маркина Н. В., Беленкова Э. И., Диденко Г. А., Касюк С. Т., Степанова О. А., Шамаева Т. Н. Искусственный интеллект в диагностике пневмонии на рентгенологических снимках. Челябинск: ЮУМГУ, 2023. 142 с. DOI 10.22138/2500-0918-2023-20-4-162-166. EDN VKMMOT. [[ Markina N. V., Belenkova E. I., Didenko G. A., Kasyuk S. T., Stepanova O. A., Shamaeva T. N. Artificial Intelligence in the Diagnosis of Pneumonia on X-ray Images. Chelyabinsk: South Ural State University, 2023. DOI 10.22138/2500-0918-2023-20-4-162-166. EDN VKMMOT. (In Russian). ]]

Касюк С. Т., Диденко Г. А., Степанова О. А. Классификация данных медицинских исследований с использованием языка R // Современная наука актуальные проблемы теории и практики. Серия: Естественные и технические науки. 2022. № 09. С. 96-102. DOI 10.37882/2223-2966.2022.09.14. EDN BSJRLE. [[ Kasyuk S. T., Didenko G. A., Stepanova O. A. “Classification of medical research data using the R language” // Modern Science: Current Problems of Theory and Practice. Series: Natural and Technical Sciences. 2022. No. 09, pp. 96-102. DOI 10.37882/2223-2966.2022.09.14. EDN BSJRLE. (In Russian). ]]

Коровин Е. А., Чиглинцева С. А., Сазонова Е. Ю., Сметанина О. Н. Медицинская рекомендательная система на основе автоматического извлечения знаний из текстов // СИИТ. 2024. Т. 6, № 4(19). С. 111-121. EDN OTVTXR. [[ Korovina E. A., Chiglintseva S. A., Sazonova E. Yu., Smetanina O. N. “Medical recommendation system based on automatic knowledge extraction from texts” // SIIT. 2024. Vol. 6, no. 4(19), pp. 111-121. EDN OTVTXR. (In Russian). ]]

Муравьева Е. А., Николаева А. И. Разработка нейронной сети для управления процессом пиролиза дихлорэтана с целью повышения эффективности процесса // СИИТ. 2024. Т. 6, № 4(19). С. 69-76. EDN BJQURV. [[ Muravyova E. A., Nikolaeva A. I. “Development of a neural network for controlling the dichloroethane pyrolysis process to improve the efficiency of the process” // SIIT. 2024. Vol. 6, no. 4(19), pp. 69-76. EDN BJQURV. (In Russian). ]]

Зиновьев М. С., Нургаянова О. С. Прогнозирование вероятности развития диабетической ретинопатии у пациентов с сахарным диабетом: анализ методов машинного обучения // СИИТ. 2024. Т. 6, № 3(18). С. 95-101. EDN VLFFLP. [[ Zinoviev M. S., Nurgayanova O. S. “Predicting the probability of developing diabetic retinopathy in patients with diabetes mellitus: analysis of machine learning methods” // SIIT. 2024. Vol. 6, no. 3(18), pp. 95-101. EDN VLFFLP. (In Russian). ]]

Макарова Е. А., Габдуллина Э. Р., Юсупов М. М., Вагапова Г. Р. Алгоритм интеллектуального анализа региональных данных об инвестиционном риске // СИИТ. 2024. Т. 6, № 1(16). С. 77-86. EDN EBASQU. [[ Makarova E. A., Gabdullina E. R., Yusupov M. M., Vagapova G. R. “Algorithm for intellectual analysis of regional data on investment risk” // SIIT. 2024. Vol. 6, no. 1(16), pp. 77-86. EDN EBASQU. (In Russian). ]]

Елизарова А. В., Саитова Г. А., Момзиков Н. В. Выбор архитектуры нейронной сети для прогнозирования состояния заряда аккумулятора // СИИТ. 2023. Т. 5, № 4(13). С. 123-131. EDN RXSDIA. [[ Elizarova A. V., Saitova G. A., Momzikov N. V. “Selection of neural network architecture for predicting the state of charge of a battery” // SIIT. 2023. Vol. 5, no. 4(13), pp. 123-131. EDN RXSDIA. (In Russian). ]]

Закиева Е. Ш. Методология поддержки принятия решений при управлении социетальной системой на основе динамического моделирования и интеллектуальных технологий // СИИТ. 2023. Т. 5, № 3(12). С. 69-92. EDN UWIPDO. [[ Zakieva E. Sh. “Methodology of decision support in managing a societal system based on dynamic modeling and intelligent technologies” // SIIT. 2023. Vol. 5, no. 3(12), pp. 69-92. EDN UWIPDO. (In Russian). ]]


Ссылки

  • На текущий момент ссылки отсутствуют.


(c) 2025 Н. Ю. Рудь, А. Н. Можельский