Кузнецов Ю.А.доктор физико-математических наук, профессор, заведующий кафедрой математического моделирования экономических процессов института экономики и предпринимательства, Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского, Нижний Новгород, Российская Федерация Kuznetsov_YuA@iee.unn.ru
Перова В.И.кандидат физико-математических наук, доцент кафедры математического моделирования экономических процессов института экономики и предпринимательства, Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского, Нижний Новгород, Российская Федерация perova_vi@mail.ru
Ваддах Аль Жарад.студент магистратуры факультета иностранных студентов, Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского, Нижний Новгород, Российская Федерация waddah.ja@gmail.com
Предмет. Анализируются особенности динамики экономического развития Сирийской Арабской Республики в докризисный период. Цели. Проведение анализа и характеристика особенностей динамики экономического развития Сирийской Арабской Республики в интересах выявления истинной экономической ситуации в стране в докризисный период и имевшихся в этот период перспектив социально-экономического развития как страны в целом, так и отдельных ее провинций при условии мирного развития. Методология. Исследование проведено с использованием нейросетевого моделирования на основе показателей, характеризующих состояние экономики как страны в целом, так и отдельных ее провинций. Инструментом исследования являются реализованные в аналитическом пакете Deductor самоорганизующиеся карты Кохонена – нейронные сети, обучаемые без учителя. Результаты. Выявлены основные характеристики динамики ВВП, средней заработной платы, численности экономически активного населения и состояния грамотности населения с учетом гендерного признака, уделено внимание структурной перестройке экономики Сирийской Арабской Республики. На основе пяти показателей экономической деятельности провинций в частном секторе экономики проведен кластерный анализ их развития. Показано, что за 2007–2010 гг. 14 провинций распределились по трем группам (кластерам). Описаны состав и характеристики каждого кластера. Отмечено, что за рассматриваемый период в кластерах сформировались ядра с постоянным составом. Приведена динамика показателей развития провинций по кластерам. Получен достаточно оптимистический прогноз развития экономики республики в 2011–2017 гг. при условии мирного развития страны. Выводы. Проведенное исследование позволило выявить ряд особенностей социально-экономического состояния Сирийской Арабской Республики до 2011 г., свидетельствующих об имевшихся и, к сожалению, нереализованных возможностях развития экономики в последующий период.
Крылов А.В. Роль религиозного фактора в «арабской весне» // Вестник МГИМО-Университета. 2013. № 4. С. 43–52.
Крылов А.В., Федорченко А.В. Многовариантный прогноз развития ситуации в регионе БВСА // Аналитические доклады ИМИ. Вып. 1. М.: МГИМО-Университет, 2014. 58 с.
Федорченко А.В., Крылов А.В. Феномен «Исламского государства» // Вестник МГИМО-Университета. 2015. № 2. С. 174–183.
Кузнецов А.А. «Исламское государство» в контексте политических изменений на Ближнем Востоке // Вестник МГИМО-Университета. 2015. № 2. С. 184–192.
Исаев Л.М., Коротаев А.В., Шишкина А.Р. Факторы арабской весны 2011 года // Арабский мир после арабской весны / отв. ред. А.В. Коротаев, Л.М. Исаев, А.Р. Шишкина. М.: ЛЕНАНД, 2013. С. 5–20.
Гриневский О.А. Исламский экстремизм и террористическая угроза // Россия в многообразии цивилизаций / под ред. Н.П. Шмелева. М.: Весь Мир, 2011. С. 141–166.
Devlin J.C. Economics of the Middle East: Development Challenges. Series: World Scientific Lecture Notes in Economics, vol. 2. New Jersey, World Scientific Publishing Co. Pte. Ltd., 2016, 219 p.
«Исламское государство»: феномен, эволюция, перспективы // Аналитические доклады ИМИ. Вып. 1. М.: МГИМО-Университет, 2016. 44 с.
«Арабский кризис» и его международные последствия / под общ. ред. А.М. Васильева. М.: ЛЕНАНД, 2014. 256 с.
Системный мониторинг глобальных и региональных рисков: Арабский мир после Арабской весны / ред. А.В. Коротаев, Л.М. Исаев, А.Р. Шишкина. М.: URSS, 2013. 424 с.
Базуева Е.В. Гендерный критерий оценки эффективности развития национальных и региональных социально-экономических систем // Вестник Нижегородского университета им. Н.И. Лобачевского. Сер.: Социальные науки. 2016. № 2. С. 9–16.
Микроэкономика знаний / под ред. В.Л. Макарова, Г.Б. Клейнера. М.: Экономика, 2007. 208 с.
Макаров В.Л. Формирование экономики знаний: концепции и проблемы // Инновационное развитие: экономика, интеллектуальные ресурсы, управление знаниями / под ред. Б.З. Мильнера. М.: ИНФРА-М, 2009. C. 11–26.
Горизонты инновационной экономики в России: Право, институты, модели / под ред. В.Л. Макарова. М.: ЛЕНАНД, 2010. 240 с.
Kohonen Т. Self-Organized Formation of Topo1ogically Correct Feature Maps. Bio1ogical Cybernetics, 1982, vol. 43(1), pp. 59–69. doi: 10.1007/BF00337288
Kohonen T. The Self-Organizing Map. Proceedings of the Institute of Electrical and Electronics Engineers, 1990, vol. 78, iss. 9, pp. 1464–1480.
Дебок Г., Кохонен Т. Анализ финансовых данных с помощью самоорганизующихся карт. М.: Альпина, 2001. 317 с.
Осовский С. Нейронные сети для обработки информации. М.: Финансы и статистика, 2002. 344 с.
Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия – Телеком, 2002. 382 с.
Медведев В.С., Потемкин В.Г. Нейронные сети. MATLAB 6. М.: ДИАЛОГ–МИФИ, 2002. 122 с.
Хайкин С. Нейронные сети: полный курс. М.: Вильямс, 2006. 1104 с.
Sinha S., Singh T.N., Singh V.K., Verma A.K. Epoch Determination for Neural Network by Self-Organized Map (SOM). Computational Geosciences, 2010, vol. 14, iss. 1, pp. 199–206. doi: 10.1007/s10596-009-9143-0
Ghaseminezhad M.H., Karami A. A Novel Self-Organizing Map (SOM) Neural Network for Discrete Groups of Data Clustering. Applied Soft Computing, 2011, vol. 11, no. 4, pp. 3771–3778.
Carboni O.A., Russu P. Assessing Regional Wellbeing in Italy: An Application of Malmquist–DEA and Self-Organizing Map Neural Clustering. Social Indicators Research, 2015, vol. 122, iss. 3, pp. 677–700. doi: 10.1007/s11205-014-0722-7
Rende S., Donduran M. Neighborhoods in Development: Human Development Index and Self-Organizing Maps. Social Indicators Research, 2013, vol. 110, iss. 2, pp. 721–734. doi: 10.1007/s11205-011-9955-x
