econommgouВестник Государственного университета просвещения. Серия: ЭкономикаBulletin of the State University of Education. Series: Economics2949-50402949-5024State University of Education10.18384/2949-5024-2023-4-105-115econommgou-1081Research ArticleРЕГИОНАЛЬНАЯ И ОТРАСЛЕВАЯ ЭКОНОМИКАREGIONAL AND SECTORAL ECONOMYНейронные сети, как ключевое и перспективное направление развития и применения искусственного интеллекта в деятельности промышленных предприятийNeural networks as a key and promising direction of the development and application of artificial intelligence in the activities of industrial enterprisesХачатурянА. А.KhachaturyanA. A.

 Хачатурян Арутюн Арутюнович – доктор экономических наук, профессор, заместитель директора по научной работе,

117418, г. Москва, Нахимовский пр-т, д. 47

Аrutyun A. Khachaturyan – Dr. Sci. (Economics), Prof., Deputy Director for Research,

prosp. Nakhimovsky 47, Moscow 117418.

karutyun@yandex.ruПономареваС. В.PonomarevaS. V.

Пономарева Светлана Васильевна – кандидат экономических наук, доцент кафедры экономики и управления промышленным производством,

614990, Пермский край, г. Пермь, Комсомольский пр-т, д. 29.

Svetlana V. Ponomareva – Cand. Sci. (Economics), Assoc. Prof., Department of Economics and Industrial Production Management,

prosp. Komsomolsky 29, Perm 614990, Perm region.

psvpon@mail.ruИнститут проблем рынка Российской академии наукРоссияMarket Economy Institute of the Russian Academy of SciencesRussian FederationПермский национальный исследовательский политехнический университетРоссияPerm National Research Polytechnic UniversityRussian Federation20232901202404105115Copyright © Хачатурян А.А., Пономарева С.В., 20242024Хачатурян А.А., Пономарева С.В.Khachaturyan A.A., Ponomareva S.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.economicsmgou.ru/jour/article/view/1081Цель

Цель. Представить научному сообществу перспективное направление развития и применения искусственного интеллекта в основных бизнес-процессах промышленных предприятий.

Процедуры и методы

Процедуры и методы. При проведении исследования в качестве основных методов были использованы: системный анализ, дедукция и моделирование. Данные методы исследования позволяют систематизировать разработку и применение нейронных сетей в бизнес-процессах промышленных предприятий.

Результаты

Результаты. Рассмотрены виды нейронных сетей; сопоставлены две математические модели действия персептронов по Розенблатту и Румельхарту; представлены различия между нейросетевой моделью и нейросетевой регрессионной моделью; выявлены риски и тенденции применения искусственных нейронных сетей в бизнес-процессах промышленных предприятий.

Теоретическая и практическая значимость. Развитие теоретических аспектов применения нейронных сетей является перспективным направлением в области модернизации основных бизнес-процессов промышленных предприятий.

Aim

Aim. To present to the scientific community a promising direction for the development and application of artificial intelligence in the main business processes of industrial enterprises.

Methodology

Methodology. When conducting the study, the following methods were used as the main methods: system analysis, deduction and modeling. These research methods make it possible to systematize the development and application of neural networks in the business processes of industrial enterprises.

Results

Results. The types of neural networks are considered; compared two mathematical models of the action of perceptrons according to Rosenblatt and Rumelhart; the differences between the neural network model and the neural network regression model are presented; identified risks and trends in the use of artificial neural networks in the business processes of industrial enterprises.

Research implications

Research implications. The development of theoretical aspects of the application of neural networks is a promising direction in the field of modernization of the main business processes of industrial enterprises.

искусственный интеллектнейронные сетиматематическая модельпромышленностьрискибизнес-процессartificial intelligenceneural networksmathematical modelindustryrisksbusiness processСтатья выполнена в рамках государственного задания Минобрнауки России по теме «Развитие методологии производства продукции двойного назначения высокотехнологичными компаниями России с использованием элементов искусственного интеллекта в условиях цифровизации экономики и санкционного давления» № 123011600034-3.The article was made within the framework of the state assignment of the Ministry of Education and Science of the Russian Federation on the topic “Development of methodology of production of dual-use products by high-tech companies of Russia using elements of artificial intelligence in the conditions of digitalization of the economy and sanctions pressure” No. 123011600034-3ReferencesАбдуллаев Н. В., Баранова М. А. Применение искусственных нейронных сетей в экономике // Наука Красноярья. 2023. Т. 2. № 1–2. С. 22–28.Abdullaev N. V., Baranova M. A. [The use of artificial neural networks in the economy]. In: Nauka Krasnoiaria [Science of Krasnoyarsk], 2023, vol. 12, no. 1–2, pp. 22–28.Болотов Р. О. О применении нейронных сетей для оценки финансовой устойчивости компаний // Russian Journal of Management. 2020. Т. 8. № 1. С. 106–110.Bolotov R. O. [On the use of neural networks to assess the financial stability of companies]. In: Russian Journal of Management, 2020, vol. 8, no. 1, pp. 106–110.Власов А. В. Особенности использования нейронных сетей в экономике, в современных условиях // Вестник Юридического института МИИТ. 2019. № 1 (25). С. 108–113.Kozak E. [The use of neural networks in the economy]. In: Ekonomika: vchera, segodnia, zavtra [Economics: yesterday, today, tomorrow], 2021, vol. 11, no. 5–1, pp. 113–119.Власов С. С., Васильева Е. Е. Возможности использования нейронных сетей при подготовке кадров для инновационной экономики // Инновационное развитие экономики: тенденции и перспективы. 2019. Т. 1. С. 30–44.Khachaturyan A. A., Ponomareva S. V., Bokova K. I. [Planning of key performance indicators using cognitive modeling at industrial enterprises of the Russian Federation]. In: Ekonomika i upravlenie: problemy, resheniia [Economics and Management: Problems, Solutions], 2019, vol. 9, no. 1, pp. 35–43.Зоидов К. Х., Пономарева С. В., Серебрянский Д. И. Стратегическое планирование и перспективы применения искусственного интеллекта в высокотехнологичных промышленных предприятиях Российской Федерации: монография. М.: ИПР РАН, 2019. 115 с.Klevtsov D. V. [Prospects for the use of neural networks in the modern economy]. In: Mezhdunarodnyi zhurnal prikladnykh nauk i tekhnologii Integral [Integral International Journal of Applied Sciences and Technologies], 2020, no. 1, pp. 289–296.Козак Е. Применение нейронных сетей в экономике // Экономика: вчера, сегодня, завтра. 2021. Т. 11. № 5–1. С. 113–119.Naumenko V. A. [Application of neural networks for solving practical problems in the economy]. In: Vektor ekonomiki(e-journal) [Vector of Economics: electronic scientific journal], 2019, no. 10 (40). Available at: http://www.vectoreconomy.ru/images/publications/2019/10/mathematicalmethods/Naumenko.pdf (accessed: 05.05.2023).Клевцов Д. В. Перспективы использования нейронных сетей в современный экономике // Международный журнал прикладных наук и технологий Integral. 2020. № 1. С. 289–296.Ponomarev V. M., Ponomareva S. V., Zhigit A. A. [Strategic planning, adaptation and application of artificial neural networks in the rocket and space industry of the Russian Federation]. In: Vestnik Altaiskoi akademii ekonomiki i prava [Bulletin of the Altai Academy of Economics and Law], 2019, no. 5–1, pp. 128–135.Науменко В. А. Применение нейронных сетей для решения практических задач в экономике // Вектор экономики (электронный журнал). 2019. № 10. URL: http://www.vectoreconomy.ru/images/publications/2019/10/mathematicalmethods/Naumenko.pdf (дата обращения: 21.05.2023).Ponomareva S. V., Sagidullin A. K. [Modern IT-solutions and equipment in machine-building industrial enterprises of Russia]. In: Problemy mashinostroeniia i avtomatizatsii [Problems of mechanical engineering and automation], 2022, no. 1, pp. 77–84.Пономарев В. М., Пономарева С. В., Жигит А. А. Стратегическое планирование, адаптация и применение искусственных нейронных сетей в ракетно-космической промышленности Российской Федерации // Вестник Алтайской академии экономики и права. 2019. № 5–1. С. 128–135.Pynko L. E., Tolkacheva E. V. [The use of neural networks in the regression analysis of regional management of the digitalization of the economy]. In: Vlast i upravlenie na Vostoke Rossii [Power and management in the East of Russia], 2020, no. 3 (92), pp. 126–134.Пономарева С. В., Сагидуллин А. К. Современные IT-решения и оборудование в машиностроительных промышленных предприятиях России // Проблемы машиностроения и автоматизации. 2022. № 1. С. 77–84.Rosenblatt F. Printsipy neirodinamiki: Pertseptrony i teoriia mekhanizmov mozga [Principles of Neurodynamic: Perceptrons and the Theory of Brain Mechanisms]. Moscow, Mir Publ., 1965. 480 p.Пынько Л. Е., Толкачева Е. В. Применение нейронных сетей в регрессионном анализе регионального управления цифровизацией экономики // Власть и управление на Востоке России. 2020. № 3 (92). С. 126–134.Rumelhart D. E. A multicomponent theory of the perception of briefly exposed visual displays Journal of Mathematical Psychology. In: Journal of Mathematical Psychology, 1970, no. 7, pp. 191–218. DOI: 10.1016/0022-2496(70)90044-1Розенблатт Ф. Принципы нейродинамики: Перцептроны и теория механизмов мозга. М.: Мир, 1965. 480 с.Semenova E. A., Tsepkova S. M. [Neural networks as a financial instrument]. In: Informatika. Ekonomika. Upravlenie [Informatics. Economy. Control], 2022, vol. 1, no. 2, pp. 168–175.Семенова Э. А., Цепкова С. М. Нейронные сети как финансовый инструмент // Информатика. Экономика. Управление. 2022. Т. 1. № 2. С. 168–175.Vlasov A. V. [Features of the use of neural networks in the economy, in modern conditions]. In: Vestnik Iuridicheskogo instituta Rossiiskii universitet transporta [Bulletin of the Law Institute of Russian University of Transport], 2019, no. 1 (25), pp. 108–113.Хачатурян А. А., Пономарева С. В., Бокова К. И. Планирование основных показателей деятельности с применением когнитивного моделирования на промышленных предприятиях Российской Федерации // Экономика и управление: проблемы, решения. 2019. Т. 9. № 1. С. 35–43.Vlasov S. S., Vasileva E. E. [Possibilities of using neural networks in the training of personnel for the innovation economy]. In: Innovatsionnoe razvitie ekonomiki: tendentsii i perspektivy [Innovative development of the economy: trends and prospects], 2019, vol. 1, pp. 30–44.Rumelhart D. E. A multicomponent theory of the perception of briefly exposed visual displays // Journal of Mathematical Psychology. 1970. № 7. P. 191–218. DOI: 10.1016/0022-2496(70)90044-1Zoidov K. Kh., Ponomareva S. V., Serebryansky D. I. Strategicheskoe planirovanie i perspektivy primeneniia iskusstvennogo intellekta v vysokotekhnologichnykh promyshlennykh predpriiatiiakh Rossiiskoi Federatsii [Strategic planning and prospects for the use of artificial intelligence in high-tech industrial enterprises of the Russian Federation]. Moscow, Institute of Market Problems of the Russian Academy of Sciences Publ., 2019. 115 p.

The authors declare that there are no conflicts of interest present.