SCI Библиотека

В данной статье изучается динамика развития текстильной и швейной промышленности в России с помощью эконометрических моделей. На основе эконометрических моделей подтверждена гипотеза, связанная с достижением больших результатов роста текстильной и швейной продукции, которая обеспечивается за счет устойчивого роста объема инвестиций в основной и человеческий капитал отрасли. Представлены основные статистические параметры моделей временных рядов для анализа динамики объема производства изделий текстильной и швейной промышленности в России и Китая. Исследуется влияние объема инвестиций на объем производства изделий текстильной и швейной промышленности в России и Китая. Экономико-математическое моделирование позволяет эффективно прогнозировать динамику роста объема производства изделий текстильной и швейной промышленности Китая в зависимости от роста инвестиций в основной и человеческий капитал отрасли. Анализ экспериментальных данных в России с помощью экономико-математических моделей показывает обратную зависимость объема производства изделий текстильной и швейной промышленности в зависимости от объема инвестиций в эту отрасль. Это связано с недостаточным инвестированием этой отрасли в течение всего периода времени.

В статье представлен метод семантического анализа данных посредством комплекснозначного матричного разложения. Метод основан на квантовой модели контекстно-чувствительных решений, согласно которой наблюдаемые вероятности порождаются кубитными состояниями, представляющими субъективный смысл контекстов для базисного решения. В простейшем трёхконтекстом случае один из кубитов раскладывается в суперпозицию оставшихся двух, математически представляющую смысловые отношения между контекстами. Для использования в задаче анализа данных эта модель представлена в матричной форме так, что строки и столбцы соответствуют контекстам и постановкам эксперимента. При этом наблюдаемые действительные данные порождаются матрицей комплекснозначных амплитуд, раскладываемой на произведение действительной матрицы базисных векторов и комплекснозначной матрицы коэффициентов суперпозиции. Это разложение выявляет устойчивые процессно-смысловые соотношения контекстов, не обнаруживаемые другими методами. В результате данные воспроизводятся более точно и с меньшим числом параметров, чем при использовании сингулярного и неотрицательного матричных разложений той же размерности. Модель успешно испытана в описательном и предсказательном режимах. Результат открывает возможности для разработки природоподобных вычислительных архитектур на новых логических принципах.

В период прохождения службы в уголовно-исполнительной системе сотрудники постоянно совершенствуют свои знания, умения и навыки в рамках служебной подготовки. В статье рассматривается задача распределения времени обучения по направлениям подготовки для обеспечения максимального значения минимальной средней оценки по каждому направлению. Разработан алгоритм решения, на первом шаге которого определяется максимальное повышение минимальной средней оценки по одному направлению и количество времени, которое на это требуется. Если полученное значение оценки меньше средних оценок по другим направлениям, то на втором шаге определяется максимальное повышение нескольких минимальных средних оценок и требующееся количество времени. Определен вид зависимости приращения средней оценки по направлениям подготовки от времени обучения аппроксимацией статистических данных, позволяющий получить аналитическое решение поставленной задачи. Также проведен анализ возможности применения для аппроксимации степенной и экспоненциальной зависимостей, позволяющих получить приближенное решение задачи численными методами. Полученные значения коэффициента детерминации подтвердили высокую достоверность аппроксимации. Представлены графики зависимостей. Приведены два примера аналитического решения поставленной задачи, иллюстрирующие применение предложенного алгоритма. В первом примере начальные средние оценки подготовки сотрудников по всем направлениям одинаковые, во втором примере - средние оценки различные.

В работе рассматриваются и сравниваются некоторые методы составления прогноза, основанные на нечетких математических моделях, рассматриваются преимущества и недостатки того или иного метода.