Journal of Applied Economic Research
ISSN 2712-7435
Корректная постановка обратных задач восстановления многомерных функций через нейросетевые модели в бюджетном администрировании
Бирюков А.Н., Глущенко О.И.
Аннотация
Аннотация. Объектом рассмотрения настоящей работы является весьма глубокое проникновение требований эффективного обучения нейросетей в алгоритмы предпроцессорной обработки. Разработан метод оценки адекватности нейросетевых моделей в отсутствии каких-либо априорных сведений о законе распределения шумов в данных. Именно это и является научной новизной данной статьи, т. к. данный метод позволяет взаимосвязано управлять качеством предпроцессорной обработки финансовых данных и качеством их аппроксимации в нейросети для бюджетных органов. Предлагается рассматривать класс задач бюджетного администрирования, для которого зашумление данных достаточно большое, поэтому необходимость регуляризации задач восстановления гиперповерхности – необходимая предпосылка эффективности гибридных моделей. В частности указывается, что игнорировать некорректность постановки задачи нельзя. Для ее преодоления имеются два пути: введение обратной задачи в класс корректных (условно корректных по Тихонову) путем привлечения дополнительной информации об искомом решении , либо управление классическими алгоритмами решения некорректно поставленных задач. Оба пути основаны на достижениях главным образом отечественных ученых. Существующие регуляризирующие алгоритмы используют исходную базу данных как некоторую внешнюю неизменную «данность». В статье на содержательном практическом примере предложен системный подход к проблеме обеспечения устойчивости нейросетевого отображения при восстановлении гиперповерхности с сильным зашумлением данных на основе теории регуляризации по А.Н. Тихонова, а также байесовского подхода. Суть этого метода состоит в том, что для обеспечения состоятельности алгоритма регуляризации обратной задачи по А.Н. Тихонову база исходных данных не используется как некоторая «застывшая» категория, а подвергается предобработке (структурированию) с использованием общесистемных законов кибернетики (закона энтропийного равновесия открытой системы, неполного подавления дисфункций структурированной системы, резервирования). Таким образом, цель исследования достигнута – суть предполагаемого подхода детализирована и реализована в практической концепции «регуляризация» в данном исследовании с помощью операций алгоритма при построении нейросетевой модели.
Ключевые слова
Ключевые слова: доходная часть бюджета; бюджетополучатели; нейросетевая модель (НСМ); интерпретация; налоговые и неналоговые доходы; сеть регуляризации.
Информация об авторах
Бирюков Александр Николаевич – доктор экономических наук, доцент, профессор кафедры экономической теории и анализа Стерлитамакского филиала Башкирского государственного университета, г. Стерлитамак, Россия, (453103, Республика Башкортостан, г. Стерлитамак, пр. Ленина, 49); e-mail: biryukov_str@mail.ru.
Глущенко Ольга Ивановна – кандидат экономических наук, доцент, докторант Восточной экономико-юридической гуманитарной академии, г. Уфа, Россия, (450054, Республика Башкортостан, г. Уфа, ул. проспект Октября, 71/3); e-mail: Olga.glushhenko@mail.ru.
DOI: http://dx.doi.org/10.15826/vestnik.2017.16.2.012
Скачать полный текст статьи:
~674 кБ, *.pdf
(Размещен
07.04.2017)
Создано / Изменено: 18 августа 2015 / 20 сентября 2021
© ФГАОУ ВО «УрФУ имени первого Президента России Б.Н. Ельцина»
Увидели ошибку?
выделите фрагмент и нажмите:
Ctrl + Enter
Дизайн портала: Artsofte