УДК 004.032.26:004.8
DOI: 10.36871/2618-­9976.2025.03.002

Авторы

Виктор Викторович Ерохин,
Доктор технических наук, доцент, Московский государственный институт международных отношений (университет) Министерства иностранных дел России, МИРЭА – Российский технологический университет, Москва, Россия
Людмила Владимировна Бунина,
Старший преподаватель, МИРЭА – Российский технологический университет, Москва, Россия

Аннотация

Искусственные нейронные сети и их разновидности являются наиболее важными программными средствами для анализа научных и промышленных данных. Особенно актуальным такое применение стало с появлением высокопроизводительного электронно­вычислительного аппаратного обеспечения, позволяющего обучить глубокие и свёрточные нейронные сети. Глубокие искусственные нейронные сети широко применяются в анализе экономических данных. В статье обсуждаются разновидности современных искусственных нейронных сетей, уделяется особое внимание анализу экономических данных. Представлена совокупность параметров и гиперпараметров нейронных сетей, оказывающих влияние на эффективность их применения при анализе данных. В настоящей статье представлен систематический обзор применения подходов глубокого обучения (ГО) к экономическим системам, включая сети глубокого доверия, генеративно­состязательные сети, рекуррентные нейронные сети и др. Описаны исследования, в которых освещаются методы ГО и источник наборов данных. Обсуждается возможность использования систем ГО для обнаружения и классификации вредоносных программ, обнаружения вторжений и других распространённых кибератак, включая определение типов файлов, спама и сетевого трафика. Исследования показывают, что ограниченная машина Больцмана обеспечивает точность решения задачи классификации 99,13%.

Ключевые слова

машинное обучение
анализ данных
моделирование
глубокое обучение
кибераналитика
свёрточные нейронные сети
сети глубокого доверия