УДК 303.725
DOI: 10.36871/ek.up.p.r.2025.02.06.018
Авторы
Наиля Радифовна Уразаева,
Магнитогорский государственный технический университет имени Г. И. Носова, Магнитогорск, Российская Федерация
Мариям Адильовна Борлакова,
Северо-Кавказская государственная академия, Черкесск, Российская Федерация
Луиза Тагировна Эскерханова,
Чеченский государственный университет имени А. А. Кадырова, Грозный, Российская Федерация
Аннотация
В статье исследуется применение методов искусственного интеллекта для прогнозирования потребностей в социальном обеспечении, что обусловлено растущей сложностью социоэкономических процессов и необходимостью оптимизации распределения ресурсов в социальной сфере. Рассматриваются современные подходы, включающие интеграцию традиционных статистических методов с алгоритмами машинного и глубокого обучения, а также использование гибридных моделей, способных учитывать мультифакторные взаимосвязи и динамические изменения входных данных. Особое внимание уделено разработке адаптивных архитектур, основанных на ансамблевых алгоритмах, трансферном обучении и байесовских методах, что обеспечивает высокую точность, устойчивость и интерпретируемость прогностических моделей. В статье приведен комплексный анализ проблем подготовки и обработки данных, включая методы нормализации, уменьшения размерности и синтеза недостающих значений, а также описаны современные подходы к оценке неопределенности прогнозов.
Ключевые слова
искусственный интеллект, прогнозирование, социальное обеспечение, машинное обучение, глубокое обучение
