Темы диссертаций по экономике » Экономика и управление народным хозяйством: теория управления экономическими системами; макроэкономика; экономика, организация и управление предприятиями, отраслями, комплексами; управление инновациями; региональная экономика; логистика; экономика труда

Формирование прогноза в управлении региональными социально-экономическими системами на основе нейронных сетей тема диссертации по экономике, полный текст автореферата

Автореферат

Ученая степень	кандидат экономических наук
Автор	Чернявский, Андрей Павлович
Место защиты	Владимир
Год	2009
Шифр ВАК РФ	08.00.05

Диссертация

Автореферат диссертации по теме "Формирование прогноза в управлении региональными социально-экономическими системами на основе нейронных сетей"

ЧЕРНЯВСКИЙ АНДРЕЙ ПАВЛОВИЧ

ФОРМИРОВАНИЕ ПРОГНОЗА В УПРАВЛЕНИИ РЕГИОНАЛЬНЫМИ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИМИ СИСТЕМАМИ НА ОСНОВЕ НЕЙРОННЫХ СЕТЕЙ

Специальность 08.00.05 - Экономика и управление народным хозяйством: региональная экономика

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата экономических наук

00346962Э

003469629

ЧЕРНЯВСКИЙ АНДРЕЙ ПАВЛОВИЧ

ФОРМИРОВАНИЕ ПРОГНОЗА В УПРАВЛЕНИИ РЕГИОНАЛЬНЫМИ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИМИ СИСТЕМАМИ НА ОСНОВЕ НЕЙРОННЫХ СЕТЕЙ

Специальность 08.00.05 - Экономика и управление народным хозяйством: региональная экономика

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата экономических наук

Работа выпонена во Владимирском государственном университете

Научный руководитель: - доктор экономических наук, профессор

Лапыгин Юрий Николаевич

Официальные оппоненты: - доктор экономических наук, профессор

Лаптев Олег Владимирович

' - кандидат экономических наук

Иванов Андрей Анатольевич

Ведущая организация: Костромской государственный

технологический университет, г. Кострома

Защита состоится 05 июня 2009 г. в 14 часов на заседании

диссертационного совета ДМ 212.025.06 при Владимирском

государственном университете по адресу: 600000, г. Владимир, ул. Белоконской, д. 3/7, ауд. 315а-3.

С диссертацией можно ознакомиться в научной библиотеке Владимирского государственного университета по адресу: 60000, г. Владимир, ул. Горького, 87, корпус 1.

Автореферат разослан л05 мая 2009 г.

Учёный секретарь диссертационного совета, кандидат экономических наук, доцент

Марченко Е.М.

I. ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. Развитие Российской Федерации невозможно без развития регионов. Регион как социально-экономическая система (СЭС) состоит из множества взаимосвязанных региональных социально-экономических подсистем, реализующих свою специфическую стратегию развития. Результаты реализации стратегии любой системы тем выше, чем более эффективно осуществляется стратегическое управление. Важнейшими этапами стратегического управления являются разработка и реализация стратегии. Реализация стратегии предполагает проведение изменений для приведения социально-экономической системы в желаемое состояние, и именно стратегические изменения представляют собой основное конструктивное содержание любой стратегии.

В настоящее время процессы, происходящие в мировой и национальных экономиках, характеризуются тем, что внешняя для региональных СЭС среда становится все более неопределенной, ее изменения частыми, а последствия трудно предсказуемыми. В связи с этим возникают серьезнейшие трудности при разработке и реализации стратегии региональных социально-экономических систем, основные из которых кроются, во-первых, в недостатке информации об изменении параметров внешней и внутренней среды региональной СЭС в будущие периоды времени, а, во-вторых, в невозможности получения поной, оперативной и достоверной информации о реализации стратегии. Поэтому получение такой информации является одной из наиболее острых и актуальных задач современного управления региональными социально-экономическими системами.

В современной практике управления существует достаточное количество диагностических систем, способных создать представление о ходе реализации стратегии. Однако общим недостатком таких подходов

является несбалансированность финансовых и нефинансовых показателей деятельности. Данное противоречие с успехом устранено в разработанной Р. Капланом и Д. Нортоном сбалансированной системе показателей (ССП). Более того, ССП является комплексной системой стратегического управления, позволяющей осуществлять декомпозицию стратегии в систему понятных и осязаемых для персонала целей (показателей) стратегического развития региональных социально-экономических систем. Поэтому на данный момент сбалансированная система показателей является доминирующей технологией измерения результатов выпонения стратегии.

Проблема недостатка информации о состоянии внешней и внутренней среды, последствий стратегических изменений решается посредством формирования прогнозов. Но традиционные методы прогнозирования уже далеко не всегда способны дать удовлетворительные результаты.

Для решения задач такого рода в настоящее время все большее применение находят интелектуальные технологии, среди которых особо выделяются технологии, основанные на парадигме искусственных нейронных сетей (ИНС).

Поэтому создание эффективного универсального инструмента, представляющего собой симбиоз достижений в области стратегического управления, прогнозирования и искусственного интелекта для стратегического управления региональными социально-экономическими системами является весьма актуальным и значимым.

Степень разработанности проблемы. Если вопросы общего стратегического управления уже стали предметом широких научных исследований, то проблемы стратегических изменений требуют более детального изучения. Наибольший интерес представляют научные труды таких зарубежных и отечественных исследователей в области управления стратегическими изменениями как И. Ансоффа, К. Боумена,

А. Стрикленда, А. Томпсона, Б. Карлофа, Б. Альстрэнда, Дж. Куинна, К. Левина, М. Мескона, Дж. Коттера, О.С. Виханского, А.Л. Гапоненко,

A.Т. Зуба, М.В. Локтионова, А.Н. Люкшинова, А.И. Панова, С.А. Попова, Э.А. Уткина, Ю.Н. Лапыгина, В.Д. Шапиро и многих других.

Сущность и основные особенности сбалансированной системы показателей рассмотрены не только ее создателями (Р. Капланом и Д. Нортоном), но и другими учеными, среди которых особо выделяются труды П. Нивена, Н.Г. Ове, К.Й. Петри, Ж. Рой, С. Рой, М. Ветера, М.Г. Брауна, Х.К. Рамперсада, A.M. Гершуна, М. Горского и ряда других специалистов.

Зарубежными учеными, внесшими огромный вклад в развитие теории и практики прогнозирования, являются Г. Тейл, Дж. Брайт, Р. Эйрес, Э. Янч, Дж. Мартино, О. Моргенштерн, Дж. Бокс, Г. Дженкинс и многие другие. Среди отечественных ученых стоит особо выделить труды И.В. Бестужева-Лады, А.Г. Ивахненко, В.М. Глушкова, Г.М. Доброва, Ю.П. Лукашина,

B.А. Лисичкина, Г.С. Кильдишева, A.A. Френкеля, В.В. Глущенко и других.

Результаты теоретических и практических исследований в области искусственных нейронных сетей отмечены в работах таких выдающихся отечественных и зарубежных ученых, как А.И. Галушкин, Е.М. Миркес, В.В. Круглов, С.А. Терехов, С.Л. Сотник, И.В. Заенцев, Д. Хебб, Дж. Мак-Калок, У. Питтс, М. Минский, С. Пайперт, Ф. Розенблатг, Ф. Уоссермен, Б. Видроу, Т. Кохонен, С.Г. Гроссберг, А. К. Джейн.

Однако вопросам применения ИНС в управлении социально-экономическими системами посвящено гораздо меньше исследований. К таким работам следует отнести труды А.Н. Горбаня, Д.А. Россиева, A.A. Ежова, С.А. Шуйского, С.Г. Короткого, М.Л. Кричевского, А.Г. Баркитзиса и других ученых.

Анализ литературных источников не выявил глубоких исследований, посвященных управлению стратегическими изменениями региональных социально-экономических систем на основе использования концепции сбалансированной системы показателей и нейросетевого подхода. Такая ситуация послужила причиной выбора данной темы диссертационной работы, а также обусловила цели и задачи исследования.

Цель диссертационного исследования заключается в разработке модели формирования прогноза в процессе стратегического управления социально-экономическими системами в регионе.

В соответствии с поставленной целью в ходе исследования были определены и решены следующие задачи:

Определить сущность и характерные особенности разработки и реализации стратегических изменений в региональных СЭС;

л Провести анализ методов прогнозирования параметров стратегического развития региональных СЭС и определить наиболее эффективные методы;

Исследовать сущность, особенности построения и практического применения сбалансированной системы показателей для региональных социально-экономических систем;

Разработать модель формирования прогноза в управлении региональными социально-экономическими системами, методику работы с моделью, а также провести экспериментальную проверку модели для конкретных региональных социально-экономических систем.

Предметом исследования является процесс формирования прогноза в управлении стратегическими изменениями на основе нейросетей. Объект исследования - стратегическое управление региональными социально-экономическими системами.

Теоретической и методологической основой исследования стали работы отечественных и зарубежных ученых, занимающихся проблемами стратегического и системного управления, прогнозирования, искусственного интелекта, а также материалы специализированных журналов. Кроме того, в процессе выпонения диссертации были проанализированы статистические данные и материалы различных научных и научно-практических конференций.

При решении поставленных в работе задач использовались общенаучные и специальные методы исследования: дедукции и индукции, анализа и синтеза, контент-анализа, методы экономико-математического моделирования и прогнозирования, системный подход, методы статистического анализа, метод 8\УОТ-анализа и другие.

Логика исследования отражает последовательность основных стадий исследования, представленных ниже. На первых этапах работы определяется понятие региона и региональных социально-экономических систем. Исследуются стратегические изменения, закладывающие основу для создания условий, необходимых при осуществлении стратегии развития региональных СЭС, а также рассматриваются основные подходы и методы управления изменениями.

Далее рассматриваются классические и интелектуальные подходы к прогнозированию параметров функционирования региональных СЭС, определяются основные проблемы, возникающие при управлении изменениями, проводится анализ концепции сбалансированной системы показателей. В итоге, все это позволяет разработать модель формирования прогноза в управлении региональными социально-экономическими системами на основе нейронных сетей.

Работа выпонена в соответствии с паспортом специальности 08.00.05 (п. 5.14 Паспорта специальностей ВАК РФ).

Научная новизна работы, состоит в следующем:

1. Выявлены преимущества моделирования и прогнозирования параметров стратегического развития региональных СЭС методами искусственных нейронных сетей по сравнению с традиционными статистико-математическими методами, заключающиеся в том, что при нейросетевом подходе региональная социально-экономическая система может рассматриваться в виде модели "черного ящика", а математическая модель формируется ИНС посредством обучения (изменения топологии сети) и адаптации к конкретным условиям функционирования СЭС.

2. Определено новое применение сбалансированной системы показателей в качестве информационной основы искусственной нейронной сети. При этом показатели ССП региональной СЭС являются входами нейросети, а исследуемые показатели сбалансированной системы -выходами нейросети.

3. Разработан принцип двухкаскадного прогнозирования, состоящий в том, что на первом уровне при разработке стратегии на основе обученной ИНС осуществляется прогнозирование результирующих показателей ССП (как показателей 1-го уровня, так и показателей более низших уровней), а далее в процессе реализации стратегии на втором уровне анализируются факторы отклонения фактической траектории стратегического развития от утвержденной и путем построения нормативных и поисковых прогнозов развития ситуации с помощью ИНС определяются количественные значения показателей в будущие периоды времени.

4. Построена оригинальная модель на базе вышеназванного принципа и разработана комплексная методика управления стратегическими изменениями в региональных СЭС на основе нейронных сетей, которая заключается в том, что управление стратегическими изменениями в социально-экономической системе охватывает все этапы стратегического управления: разработку стратегии, формирование

сбалансированной системы показателей, реализацию стратегии и контроль ее реализации. Модель содержит в своем составе несколько основных блоков: ССП, нейросетевую часть, систему контролинга, блок анализа причин отклонений фактических значений от установленных, блок осуществления управляющих воздействий.

Практическая значимость диссертационной работы заключается в возможности применения научных результатов проведенного исследования в практической деятельности региональных социально-экономических систем любого типа. Кроме этого, расширена область применения нейронных сетей за счет симбиоза метода искусственных нейронных сетей с применением технологии сбалансированной системы показателей в рамках методологии стратегического управления.

Разработанные компьютерные программы на языке программирования системы МАТЪАВ автоматизируют процессы предварительной обработки входных данных, выбора оптимального агоритма обучения ИНС для конкретной прикладной задачи и прогнозирования показателей функционирования региональной социально-экономической системы.

Основные результаты диссертационного исследования способствуют эффективному управлению развитием региональных СЭС в период проведения стратегических преобразований. Выводы и обобщения, полученные в ходе исследования, могут быть использованы в качестве исходного материала для управленческого персонала региональных социально-экономических систем, в деятельности планово-экономических подразделений предприятий и организаций, консультантов по стратегическому развитию, исследователей, преподавателей и сотрудников предприятий и организаций, непосредственно занимающихся проблемами эффективного управления.

Апробация результатов исследования:

- основные теоретические положения и практические результаты исследования, представленные автором, докладывались и обсуждались на б международных научно-практических конференциях;

- теоретические и методические положения диссертационного исследования апробированы и применяются автором в процессе преподавания дисциплин Социальное управление и Инструменты формирования стратегии во Владимирском государственном университете на кафедре "Экономики и стратегического управления";

- по отдельным направлениям диссертационного исследования опубликовано 17 научных работ общим объемом 10,19 пл., в т.ч. 2 монографии объемом 33,1 п.л. (доля автора-6,93 п.л.).

Авторская модель формирования прогноза в управлении региональными социально-экономическими системами на основе нейросетей реализована в социально-экономических системах Владимирской области.

Структура диссертационного исследования отражает логику исследования и соответствует направленности поставленных в работе задач. Диссертационная работа состоит из введения, трех глав и заключения. Список литературы включает 186 наименований научных источников. В 13 приложениях приведен илюстративный материал. Работа представлена на 188 страницах машинописного текста, включает 35 рисунков и 31 таблицу.

II. ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновываются актуальность и степень разработанности изученной темы, определяются цели и задачи, объект и предмет, методология и информационная основа исследования, формулируются научная новизна, теоретическая и практическая

значимость исследования, описывается апробация результатов научной работы.

В первой главе рассматриваются теоретические основы формирования прогноза в управлении региональными социально-экономическими системами на основе нейронных сетей.

Под региональной социально-экономической системой (СЭС) в диссертационной работе понимается любое образование, являющееся подсистемой социально-экономической системы конкретного региона, выделяемой в некотором аспекте в соответствии с определенными целями и задачами. В этом смысле региональными СЭС могут быть любые образования внутри региона, которые можно воспринимать как нечто целое, связанные с отношениями между людьми и их экономическими взаимоотношениями. Например, организации во всем своем многообразии: коммерческие, некоммерческие, частные, государственные, муниципальные и т.д., а также их различные объединения. Определение конкретной региональной СЭС зависит от целей и задач, стоящих перед пользователем модели прогнозирования, предложенной в работе.

Основываясь на анализе теории и практики стратегического управления, сделан вывод о том, что первоначально при формировании методологии стратегического планирования и управления основное внимание ученого мира и менеджмента организаций было уделено этапу формирования стратегии. В настоящее время важнейшим и в то же время наименее проработанным этапом стратегического управления по праву считается реализация стратегии, то есть проведение стратегических изменений. Показано, что стратегические изменения, нося системный характер и влияя на все области функционирования организации, переводят организацию из одного ее стратегического состояния в другое.

В работе под стратегическими изменениями понимается система действий, разрабатываемых и применяемых субъектами изменений для

перевода объекта изменений в новое качественное состояние, и позволяющих осуществлять своевременное реагирование на изменения внешней среды, что при систематическом проведении изменений способствует качественному развитию региональных СЭС. При этом в качестве субъектов изменений могут выступать администрация региона, района, города, руководство организации, менеджеры более низких звеньев управления и т.д. Объектами изменений являются как регион, город, район, организация в целом, так и подсистемы разных уровней их составляющие.

Проанализировав основные подходы к управлению стратегическими изменениями, а именно: модель стратегического континуума Дж. Котгера и Л. Шлезингера, подход Торли и Уирдениуса, модель Л. Грейнера, теорию "Е" и "О" М. Вира и Н. Нориа, подход консатинговой фирмы АЭЬ, модель К. Левина (развитую впоследствии Э. Шайном, Дж. Котгером, К. Фрайлингером, .И. Фишером) сделан вывод о том, что применение только одного отдельного метода не в состоянии привести к успеху. Только разумное взаимодопоняющее комбинирование данных методов в зависимости от конкретной ситуации позволит эффективно осуществить изменения и достичь стратегических целей.

В исследовании особое внимание обращено на то, что происходит интенсивный переход от индустриального общества к информационному обществу. Информация становится определяющим фактором общественного производства, и обладание информацией становится важнейшим преимуществом. В этих условиях резко возрастает актуальность и значимость прогнозирования. Кроме того, понятие прогноза, издавна имевшее общенаучное значение и определенные соотношения с другими понятиями и категориями, приобретает более емкое и широкое смысловое напонение. При этом выявлено, что:

современные региональные СЭС представляют собой настолько сложные, многофакторные и высоко динамичные системы, что построить математическую модель для прогнозирования таких систем крайне сложно, а зачастую и просто невозможно;

вследствие того, что информация разнообразна как в содержательном, так и в эмпирическом аспекте, и при этом, как правило, содержит шумовую составляющую, получить требуемую аналитическую информацию для построения прогноза становится весьма сложно.

Обобщены и систематизированы методы и модели прогнозирования. Проведен критический анализ агоритмов и методов прогнозирования, позволивший выявить ряд существенных ограничений и недостатков классических методов. Показано, что применение классических методов при прогнозировании параметров таких объектов, как социально-экономические системы, весьма ограничено и в большинстве случаев приводит к неудовлетворительным результатам. Для решения подобных трудно формализуемых задач в условиях недостатка (избытка) информации лучшие результаты демонстрируют интелектуальные технологии анализа и прогнозирования данных.

Показано, что на данный момент оптимальной интелектуальной технологией прогнозирования является метод искусственных нейронных сетей. Преимущества моделирования и прогнозирования методами искусственных нейронных сетей заключаются в том, что:

при нейросетевом подходе региональная СЭС может рассматриваться в виде черного ящика, имеющего контакты с внешней средой посредством входов и выходов;

* математическая модель строится ИНС посредством обучения (изменения топологии сети) и адаптации к конкретным условиям функционирования региональной социально-экономической системы.

Вторая глава диссертационного исследования посвящена анализу параметров управления стратегическими изменениями в региональных социально-экономических системах. В ходе рассмотрения проблем управления стратегическими изменениями региональных СЭС выявлено, что поскольку люди являются основной составляющей любой социально-экономической системы, то и основные проблемы управления стратегическими изменениями кроются среди людей и их коммуникаций.

Таким образом, основными проблемами стратегических изменений являются:

проблемы, вызванные изменением организационной культуры. Чаще всего основными проблемами такого рода являются различного рода сопротивления;

проблемы, связанные с недостатком информации о проводимых изменениях, текущем состоянии и развитии социально-экономической системы в будущем. При этом проблема недостатка информации распадается на две подпроблемы: определение критериев оценки реализации стратегии и получение качественных и количественных оценок показателей реализации стратегии.

Проведенное исследование показало наличие принципиальных возможностей повысить качество управления реализацией стратегии региональных СЭС при использовании концепции сбалансированной системы показателей, поскольку ССП предполагает взаимоувязку запаздывающих и опережающих (финансовых и нефинансовых) показателей функционирования организации, а также помогает донести стратегию и суть стратегических изменений до всех сотрудников организации. Кроме того, предложено применение сбалансированной системы показателей в качестве информационной основы искусственной нейронной сети, когда показатели сбалансированной системы являются

входами нейросети, а исследуемые (результирующие) показатели -выходами ИНС.

Главным научно-практическим итогом диссертации является разработанная в общем виде модель формирования прогноза в управлении региональными социально-экономическими системами на основе искусственных нейронных сетей (МПНС, рис. 1).

Концепция МПНС предполагает наличие следующих составляющих: стратегии региональной СЭС, сбалансированной системы показателей региональной СЭС, модели искусственной нейронной сети для данной региональной системы, системы стратегического контролинга.

Стратегия региональной СЭС дожна быть детально проработана, установлены стратегические цели, прописаны политики, программы и проекты, определены ресурсы, основные этапы реализации стратегии, конкретные стратегические изменения и их результаты, а также назначены ответственные лица на каждом этапе разработки и реализации стратегии.

Если же сформулированная стратегия отсутствует, то следует формализовать существующую стратегию, либо разработать новую.

Применение сбалансированной системы показателей обеспечивает детализацию стратегии в совокупность измеримых оценочных показателей. Для этого необходимо, чтобы были сформированы карты ССП, установлены цели, показатели, целевые значения показателей, тип показателей (запаздывающие или опережающие), определены источники информации, сроки и ответственные лица за контроль показателей, необходимые стратегические инициативы.

Проведенный анализ позволил выявить преимущества применения программной реализации искусственной нейронной сети перед реализацией аппаратным путем, заключающиеся в более низкой стоимости, простоте использования и высокой скорости изменения конфигурации нейросети.

Определение и .: внесение корректировок ' В стратегию Ч .Разработка стратегии региональной СЭС

Определение и внесение : корректировок в ССП V (формированиесбалансированной системы показателей

^Определение! вхедных й выходных,: : ; показателей ССП для НСМ

Добавление получаемых статистических данных 1 7 обучающую выборку -' л -у Проведение процедуры предварительной :\;:'-обра(йтки Данй'ых'

: / Предобработанные статистические данные

Задание вход ных значений параметров НСМ

Ч';;;}::0;-'7::'ДЯЯ прогноза'о;^:^:::^;-;/

Анализ причин отклонения

Факторный анализ причин и последствий отклонений и : : построение нормативных И /

: / ' ПОИСКОВЫХ ПРОГНОЗОВ '; ^

Второй контур прогнозирования

Первый контур прогнозирования

Выходные параметры НСМ (прогнозные-^плановые -.:; 7; утвержденные);;. Х

Обучающая' I выборка

Формирование | НСМ Твопгоеая

Формирование архитектуры,: выбор агоритма НСМ

Стратегический контролинг показателей ССП

Определение; : фактических значений .Показателей ССП в\. момент времени МьЧЛ

Функционирование региональной СЭС в процессе реализации стратегии (в период изменений)

Региональная СЭС

/Контролируемые и неконтролируемые1 \к'.Ч возмущения внешней среды1

Рис. 1. Модель формирования прогноза в управлении региональными СЭС на основе нейронных сетей

Также с помощью метода сравнительного анализа определена предпочтительность использования системы инженерных и научных расчетов МАТЬАВ в качестве инструмента компьютерного моделирования искусственной нейронной сети.

Авторский подход к разработке МПНС предусматривает возможность каскадного применения ИНС для прогнозирования. Первый (основной) каскад представляет собой совокупность входных показателей -показателей ССП, распределенных по картам и отражающих все аспекты реализации стратегии (функционирования организации), и выходных показателей - прогнозируемых показателей реализации стратегии (показателей управления стратегическими изменениями, функционирования организации). Выходными показателями могут быть, например, объем произведенной продукции, финансовый результат и т.д.

В некоторых случаях показатели ССП могут быть составными. Для этого в МПНС предназначен второй (вспомогательный) каскад прогнозирования. Здесь входными показателями будут являться либо показатели низших уровней ССП (например, 2-го уровня), либо факторы, влияющие на показатели первого уровня, а выходными - агрегированные показатели ССП более высоких уровней (например, 1-го уровня).

Математическая нотация для первого каскада прогнозирования выглядит следующим образом. Пусть сбалансированная система показателей региональной СЭС представлена в виде матрицы А, которая имеет размерность тхп\

( \ л11 Я12 - а1Д

А= Я21 л22 - л2*

ат1 Х атп)

где: т - количество показателей ССП региональной СЭС, п - количество временных периодов статистических наблюдений. Стобцы матрицы А представляют собой векторы показателей ССП одного временного периода статистической информации, имеющейся в наличии. Элементы строк матрицы А являются временными рядами показателей ССП региональной СЭС.

Цель прогнозирования в общем случае состоит в том, чтобы для заданного показателя ССП региональной СЭС (i-ой строки матрицы А,

i = l,m) найти его прогнозируемые значения в h временных периодах, лежащих за пределами имеющихся статистических наблюдений, которые могут быть представлены вектором:

Элементы вектора q соответствуют i -ой строке матрицы А в прогнозируемые периоды времени.

Хотя в описываемой модели могут быть применены любые типы ИНС, для целей настоящего исследования используется наиболее распространенный тип ИНС - многослойная прямонаправленная сеть типа многослойный персептрон (MLP).

Для работы с ИНС статистические данные дожны быть предварительно обработаны. Процедура предварительной обработки включает в себя представление статистических данных в терминах нейросетевого подхода. Для этого производится процедура нормировки (шкалирования) данных в диапазоне [0,1] или [-1,1]. Также статистические данные необходимо оценить на наличие шума и при его наличии необходимо произвести очистку данных. Такая оценка может быть осуществлена, например, использованием метода вейвлет-преобразования.

В тех случаях, когда размерность векторов входных показателей является большой, но при этом компоненты векторов сильно коррелированны, эффективной процедурой уменьшения размерности является анализ главных компонент (Principal Component Analysis - РСА). Этот метод, во-первых, ортогонализирует компоненты входных векторов так, что они не коррелируют друг с другом, во-вторых, упорядочивает полученные ортогональные компоненты (главные компоненты) таким образом, что сначала идут компоненты с максимальной дисперсией, и, в-третьих, удаляет компоненты, которые вносят наименьший вклад в общую дисперсию набора данных (имеют дисперсию ниже заданного предела).

Далее в матрице статистических наблюдений А определяются возможные значения входных Р и выходных Т показателей, где Ре А и ТеА:

На множестве входных и выходных показателей необходимо сформировать непересекающиеся обучающее и тестовое множества. При формировании обучающего множества для каждого показателя ССП региональной СЭС, индекс которого обозначим V (15 /7 - т), выбираются соответствующие элементы множеств Р и Т, где Р - матрица входных значений, а Т - матрица эталонных значений данного показателя.

Обозначим через xi 1-й стобец матрицы входных показателей Р:

а через У/ строку матрицы Т с индексом 7 'Х

Пусть идущие подряд значения заданного параметра зависят от вектора-стобца показателей, предшествующего первому выходному значению:

Тогда, при использовании в качестве оператора Р нейронной сети,

пары векторов / = 1, я -1 будут составлять тренировочное

множество Я для нейронной сети:

Однако, если для обучения искусственной нейронной сети использовать все множество Я, такая сеть будет точно следовать данным из обучающей выборки, но будет плохо обобщать данные, не входящие в обучающую выборку (явление переобучения). Поэтому из множества Я необходимо выделить тестовое множество. Тестирование необходимо для того, чтобы убедиться в обобщающих способностях нейронной сети и ее работоспособности с данными, не участвовавшими в обучении.

Таким образом, множество Я разделяется на два непересекающихся репрезентативных множества - обучающее подмножество и тестовое подмножество. Целесообразно проводить обучение сети несколько раз с различными вариантами разбиения множества Я на обучающее и

тестовое подмножество. Например, в соотношениях 50% на 50%, 75% на 25% и т.д.

Прогнозирование показателей ССП региональной СЭС на следующий временной период осуществляется путем предъявления на входы

обученной и тестированной ИНС вектора хп (последний период статистических наблюдений):

Результатом работы ИНС будет прогнозное значение ,Уп+1 в первом временном периоде, лежащим за пределами статистических наблюдений.

При необходимости догосрочного прогноза, то есть прогноза более, чем на один временной период, используется многошаговое прогнозирование. Полученное на предыдущем шаге прогнозное значение исследуемого показателя предъявляется на вход нейронной сети для получения прогноза на следующий период и так далее. После прогнозирования по всем показателям ССП региональной СЭС будет

получена матрица прогнозных значении

Я\п*\ <7lД+2

lln+ ^2п+2

Qln+h Я 2 n+h

Ятп+h у

Далее формируется архитектура нейросети - тип сети, количество слоев, количество нейронов во входном, выходном и промежуточных

слоях, функция активации нейрона. Выбирается агоритм обучения нейросети, функционал ошибки и критерий остановки обучения.

Производится обучение. После завершения обучения и успешного тестирования нейросетевой модели (НСМ) появляется возможность прогнозирования показателя (ансамбля показателей) ССП, то есть показателей оценки реализации стратегических изменений. НСМ готова к использованию. В данный момент прогнозные значения, полученные с помощью НСМ, и плановые значения совпадают, так как нейронная сеть обучалась на данных значениях.

В результате прогнозирования по НСМ будет получен временной ряд из N контрольных точек вплоть до точки прогнозирования цели (значения показателя). При наступлении контрольной точки (достижения прогнозируемого периода в реальном масштабе времени) анализируется отклонение прогнозируемого значения цели с фактическим значением. Если отклонение находится в заданных пределах, прогноз считается успешным. В противном случае необходимо проанализировать причины отклонения и в зависимости от этого либо изменить начальные условия (входные параметры), либо снова обучить НСМ, включая в обучающую выборку параметры за период до контрольной точки.

Рассмотрим процесс реализации стратегии (Рис. 2). Период реализации стратегии обозначим Т. Промежуточные контрольные точки <Д/г,...,гД. В случае успешного прогноза в каждый контрольный момент времени показатель дожен быть равен установленному значению, либо попадать в область допустимых значений.

Значение показателя У, ед. изм.

Прогнозная траасторин до "начат реализации стартаЩ*

Т, время

Рис. 2. Прогнозирование в процессе реализации стратегии на основе

При наступлении момента времени 1, фиксируется отклонение значения показателя У, которое равно величине 8 = у'}"" - у?'

Вариант 1. Осуществить поисковый прогноз до промежуточной контрольной точки, в примере и оценить, а что же получится в итоге при текущих условиях. Может быть, имеют место локальные сезонные изменения и в итоге показатели сойдутся с установленными, а может быть изменение, наоборот, еще более увеличит отклонение параметра от цели?

Вариант 2. Осуществить нормативный прогноз. То есть, если очевидны факторы, обусловившие отклонение, изменить начальные условия (входные параметры) таким образом, чтобы выйти на желаемое значение цели (возможно итеративным путем). Но область решения обширна и это может потребовать много времени.

Вариант 3. Осуществить нормативный прогноз, но с дисконтированием временного ряда на 1 интервал вправо, то есть включить контрольную точку в обучающую выборку.

Проведя факторный анализ последствий отклонений, можно решить -необходимы ли изменения и если необходимы, то какие, где применить и в каких объемах. Если изменения существенны на уровне стратегии -необходимо скорректировать стратегию, если существенны на уровне ССП, то внести изменения в ССП. Далее цикл повторяется.

Адаптация и экспериментальная проверка МПНС проводилась для двух типов региональных СЭС - организации некоммерческой (НО "Владимирский городской ипотечный фонд", г. Владимир) и организации коммерческой (ЗАО "Меленковский районный промышленный комбинат", Владимирская область, г. Меленки). Для обеих организаций были разработаны стратегии развития и сбалансированные системы показателей. Для повышения качества прогнозирования проводилась предварительная обработка входных данных, включавшая оценку зашумленности данных с использованием метода вейвлет-преобразования (рис. 3), а также понижение размерности пространства входов нейросети за счет удаления сильно коррелированных показателей по методу главных компонент.

vif original

vif cleared

Рис. 3. Графики исходного показателя " Доля клиентов, пришедших по совету знакомых" и его очищенной от шума версии

Обучение ИНС производилось на основании предварительно обработанных статистических данных, разделенных на обучающее, тестовое и валидационное множества в соотношении 80/10/10 (рис. 4).

Performance is 1.21991е-009. Goal is 1e-Q05

Рис. 4. График обучения ИНС для показателя ССП ВГИФ "Увеличение объема рефинансированных кредитов к объему выданных"

Best Linear Ft A=. [0.937) T (0.0818)

О Data Points Ч Best Linear Fit .....A = T

Рис. 5. График НП для показателя "Увеличение объема

рефинансированных кредитов к объему выданных в текущем периоде"

После обучения нейросети наблюдалась хорошая сходимость моделируемых искусственной нейронной сетью значений и статистических данных, что илюстрирует график наилучшего линейного приближения (рис. 5).

Пример сопоставления прогнозных и фактических значений сбалансированной системы показателей, а также других индикативных показателей реализации стратегии ЗАО "МРПК" на 3 кв. 2008 г. приведен в табл. 1.

В работе на практических примерах показаны универсальность и возможности для развития, заложенные в модели, которые позволяют применять ее с успехом в деятельности различных региональных социально-экономических систем.

Таблица 1

Отклонения фактических от прогнозируемых значений показателей функционирования ЗАО "МРПК" за 3 квартал 2008 г.

№ п1п Наименование Ед. изм. Июл.08 Авг.08 Сен.08

Прогноз Факт Откл., % Прогноз Факт Отхл., % Прогиоз Факт Отхл,

1. Реализация продукции тыс, руб. 1528,41 1618,5 5,57 1791,44 1750,1 -2,36 1693,44 1832,8 7,60

2. Товарная продукция ТЫС. руб. 1679,75 1696,9 1,01 1892,16 1743,3 8,54 1682,76 1733,8 2,94

3. Деловая рснесина м. куб. 645,49 678,2 4,82 657,32 695,0 5,42 566,39 610,2 7,18

4. Дрова м. куб. 185,75 199,5 6,89 188,14 198,0 4,98 321,22 331,30 3,04

5. Пиломатериал обрезной м. куб. 348,68 323,0 -7,95 306,54 297,0 -3,21 310,67 298,0 -4,25

6. Пиломатериал не обрезной м. куб. 28,43 27,00 -5,30 66,39 68,0 2,37 41,46 38,00 -9,11

7. ФОТ тыс. руб. 503,55 538,2 6,44 631,77 683,2 7,53 579,54 601,3 3,62

8. Численность чел. 58,00 57,0 -1,75 54,00 59,0 8,47 61,00 58,00 -5,17

9. Средняя зарплата руб. 10129,99 9442,1 -7,29 11975,86 11579,7 Х3,42 11203,89 10367,2 -8,07

10. Прибыль от реализации ТЫС. руб. 210,51 197,5 -6,59 397,40 364,7 -8,97 254,52 254,9 0,15

11. Проюводительн ость труда тыс. руб. 28,59 29,77 3,96 28,74 29,5 2,74 28,69 29,89 4,01

12. Себестоимость продукции тыс. руб. 1322,92 1250,8 -5,77 1307,61 1352,5 3,32 1440,10 1416,4 -1,67

Кроме того, в процессе адаптации определены ограничения модели, заключающиеся в том, что для адекватного прогнозирования показатели ССП дожны обладать достаточной описательной статистикой. Точность модели также падает в условиях системных кризисных явлений (резкие изменения в начальной фазе кризиса), оставаясь выше точности прогнозирования классическими методами, однако благодаря наличию адаптивных свойств через обучение на текущих данных достаточно быстро выходит на приемлемый уровень точности прогноза.

Заключение содержит основные теоретические положения, выводы и предложения по исследуемым проблемам. Приложения включают агоритм прогнозирования, характеристики карт ССП, программные коды разработанных автором компьютерных программ автоматизации работы с МПНС, а также иной илюстрированный материал.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ИССЛЕДОВАНИЯ

1. Прогнозирование деятельности организации в процессе стратегических изменений на основе нейросетей [Текст] // Вестник Университета (Государственный университет управления). Серия Развитие отраслевого и регионального управления. - М.: ГУУ. -2008. - №10 (20). - С. 280-282. (0,25 пл.).

2. Экономическое прогнозирование: учебное пособие [Текст] / Ю.Н. Лапыгин, В.Е. Крылов, А.П. Чернявский. - М.: ЭКСМО, 2009 - 256 с. (серия Высшее экономическое образование) (6.56 п.л.).

3. Понятие и классификация основных методов прогнозирования [Текст] // Стратегия инновационного развития (пленарные доклады, тезисы выступлений) / Отв. ред. Ю.Н. Лапыгин. - Владимир: ВГУ, 2008 - С. 270 - 276. (0,4 пл.).

4. Применение сбалансированной инновационной политики на предприятиях и в организациях как фактор стратегического развития [Текст] // Управление интелектуальным капиталом (сборник статей и тезисов конференции). - Владимир, ВГУ, 2007. С. 203 - 205. (0,13 п.л.).

5. Методы прогнозирования развития социально-экономических систем : региональное стратегическое планирование [Электронный ресурс] // Экономика региона : электрон, научный журнал / Владим. гос. университет. - 2007. - № 18 (часть 2). - № государственной регистрации 0420700036, Ссыка на домен более не работаетfileadmin/user_upload/arkhivy_zhurnalov/ N018_dekabr_chast_2_.zip. (0,2 пл.).

6. Стратегические изменения в организации: сущность и особенности проведения : региональное стратегическое планирование [Электронный ресурс] // Экономика региона : электрон, научный журнал. - 2007. - № 13 -№ государственной регистрации 0420700036, Ссыка на домен более не работаетflleadmin/ изег_ирк^/агкЫуу_г1шгпа1оу/ег_13_may.zip (0,25 пл.).

7. Искусственные нейронные сети как инструмент развития стратегических альянсов : управление экономическими системами региона [Электронный ресурс] // Экономика региона : электрон, научный журнал. -2006. - № 7 - № государственной регистрации 0420700036, ЬИр://]оигпа1. vlsu.ru/fileadmin/user_upload/arkhivy_zhurnalov/er_7.zip (0,23 пл.).

8. К возможности применения искусственных нейронных сетей в ипотечном кредитовании : управление экономическими системами региона [Электронный ресурс] // Экономика региона : электрон, научный журнал. -2006. - № 6 - № государственной регистрации 0420700036, Ссыка на домен более не работаетindex.php?id=409 (0,13 пл.).

9. Искусственные нейронные сети - эффективный инструмент успешного развития стратегических альянсов и кластеров // Региональные

альянсы и кластеры. Под ред. проф. Ю.Н. Лапыгина. - Владимир, Владимирская книжная типография, 2006. - С. 65-70. (0,37 пл.).

10. Методы прогнозирования экономических показателей функционирования организации // Проблемы развития региональных социально-экономических систем (пленарные доклады, тезисы выступлений) / Отв. ред. Ю. Н. Лапыгин. - Владимир: ВГУ, 2006. - С. 364-367. (0,25 пл.).

11. Искусственные нейронные сети - эффективный инструмент успешного развития стратегических альянсов и кластеров // Стратегические альянсы и кластеры (пленарные доклады, тезисы выступлений) / Отв. ред. Ю. Н. Лапыгин. - Владимир: ВГУ, 2005. - С. 250-254. (0,25 пл.).

12. Нейросети в системе управления организацией // Стратегия города и региона (сборник научных трудов) / Отв. ред. Ю. Н. Лапыгин. -Владимир: ВГУ, 2005,- С. 193-198. (0,38 пл.).

13. Стержневые компетенции как основа конкурентных преимуществ в догосрочной перспективе // Экономика и управление: теория и практика (сборник статей и тезисов). - Владимир: ВГПУ, 2004. С. 108 -110. (0,19 п.л.).

Р№Р№ 020275 Подписано в печать 30.04.09 г. Формат 60x84/16. Бумага для множит, техники. Гарнитура Тайме. Печать офсетная. Усл. печ. л. 3,2. Уч.-изд. л. 1,8. Тираж 100 экз. Заказ

Редакционно-издательский комплекс Владимирского государственного университета. 600000, Владимир, ул. Горького, 87.

Диссертация: содержание автор диссертационного исследования: кандидат экономических наук , Чернявский, Андрей Павлович

Введение.

Глава 1. Теоретические основы формирования прогноза в управлении региональными социально-экономическими системами.

1.1. Стратегическое управление региональными социально-экономическими системами в период изменений.

1.2. Прогнозирование как инструмент управления стратегическими изменениями региональных социально-экономических систем.

1.3. Искусственные нейронные сети в системе управления региональными социально-экономическими системами.

Глава 2. Анализ параметров управления стратегическими изменениями в региональных социально-экономических системах.

2.1. Определение наиболее значимых проблем управления стратегическими изменениями в региональных социально-экономических системах.

2.2. Анализ специфики использования Сбалансированной Системы Показателей в процессе реализации стратегии региональных социально-экономических систем.

2.3. Построение модели формирования прогноза в управлении региональными социально-экономическими системами на основе нейронных сетей.

Глава 3. Апробация модели управления стратегическими изменениями в региональных социально-экономических системах.

3.1. Адаптация модели управления стратегическими изменениями к условиям функционирования региональной некоммерческой социально-экономической системы - НО "Владимирский городской ипотечный фонд".

3.2. Экспериментальная проверка функционирования модели управления стратегическими изменениями в региональной коммерческой социально-экономической системе - ЗАО "Меленковский районный промышленный комбинат".

Диссертация: введение по экономике, на тему "Формирование прогноза в управлении региональными социально-экономическими системами на основе нейронных сетей"

Актуальность темы исследования. Развитие Российской Федерации невозможно без развития регионов. Регион как социально-экономическая система (СЭС) состоит из множества взаимосвязанных региональных социально-экономических подсистем, реализующих свою специфическую стратегию развития. Результаты реализации стратегии любой системы тем выше, чем более эффективно' осуществляется стратегическое управление. Важнейшими этапами. стратегического управления являются разработка и реализация стратегии. Реализация стратегии предполагает проведение необходимых изменений для приведения социально-экономической системы в желаемое состояние, и именно стратегические изменения представляют собой основное конструктивное содержание любой стратегии.

В настоящее время процессы, происходящие в мировой и национальных экономиках, характеризуются тем, что внешняя для региональных СЭС среда становится все более неопределенной, ее изменения частыми, а последствия трудно предсказуемыми. В связи с этим возникают серьезнейшие трудности при разработке и . реализации стратегии региональных социально-экономических систем, основные их которых кроются, во-первых, в недостатке информации об изменении параметров внешней и внутренней среды региональной СЭС в будущие периоды времени, а, во-вторых, в невозможности получения поной, оперативной и достоверной информации о ходе реализации стратегии. Поэтому получение такой информации является одной из наиболее острых и актуальных задач современного управления региональными социально-экономическими системами.

В современной практике управления существует достаточное количество диагностических систем, способных создать представление о ходе реализации стратегии. Однако общим недостатком таких подходов является несбалансированность финансовых и нефинансовых показателей деятельности.

Данное противоречие с успехом устранено в разработанной Р. Капланом и Д. Нортоном сбалансированной системе показателей (ССП). Более того, ССП является комплексной системой стратегического управления, позволяющей осуществлять декомпозицию стратегии в систему понятных и осязаемых для персонала целей (показателей) стратегического развития региональных социально-экономических систем. Поэтому сбалансированная система показателей является доминирующей технологией измерения результатов выпонения стратегии.

Проблема недостатка информации о состоянии внешней и внутренней среды, последствий стратегических изменений решается посредством формирования прогнозов. Для разработки качественного прогноза необходимо построить математическую модель объекта исследования и выбрать метод прогнозирования, наилучший для данной конкретной задачи. Построение математической модели для таких стохастических (частично детерминированных) объектов как региональные социально-экономические системы является делом архи сложным, а в некоторых случаях построить адекватную Х математическую модель просто невозможно. Поэтому традиционные методы прогнозирования (статистические, эконометрические, математические, адаптивные и другие методы) в условиях изменчивости и неопределенности внешней среды, сложности и многофакторности процессов, протекающих внутри региональных систем, уже далеко не всегда способны дать удовлетворительные результаты.

Для решения задач такого рода в настоящее время все большее применение находят интелектуальные технологии, основанные на концепции интелектуализации - переносе структуры, свойств и приемов мышления, свойственного человеку, в техническую и организационную области. Среди интелектуальных технологий особо выделяются технологии, основанные на парадигме искусственных нейронных сетей (ИНС). Искусственные нейронные сети моделируют деятельность человеческого мозга. Такой подход чрезвычайно эффективен, поскольку для решения трудно формализуемых задач в условиях неопределенности нет ничего эффективнее человеческого мозга.

Поэтому создание эффективного универсального. инструмента, представляющего собой симбиоз достижений в области стратегического управления, прогнозирования и искусственного ' интелекта в процессе стратегического управления региональными социально-экономическими системами является весьма актуальным и значимым:

Степень разработанности проблемы. Если вопросы общего стратегического управления уже стали предметом широких научных исследований, то проблемы стратегических изменений требуют более детального изучения. Наибольший интерес представляют научные* труды таких зарубежных и отечественных исследователей в области управления стратегическими изменениями как И. Ансофф, К. Боумен, А. Стрикленд, А-. Томпсон, Б.- Карлоф, Б. Альстрэнд, Дж. Куинн, К. Левин, М. Мескон, Дж. Коттер, О.С. Виханский, А.Л. Гапоненко, А.Т. Зуб, М.В. Локтионов;

A.Н: Люкшинов, А.И'. Панов, С.А. Попов, Э.А". Уткин, Ю.Н. Лапыгин,

B.Д.Шапиро и многих других.

Сущность и основные особенности сбалансированной системы,показателей рассмотрены, не только- ее создателями. (Р. Капланом и Д. Нортоном), но и другими учеными, среди которых особо выделяются труды П. Нивена, Н.Г. Ове, К.Й. Петри, Ж. Рой, С. Рой, М. Ветера, М.Г. Брауна, Х.К. Рамперсада, A.M. Гершуна, М. Горского и ряда других специалистов.

Зарубежными учеными, внесшими огромный вклад в развитие теории и практики прогнозирования, являются Г. Тейл, Дж. Брайт, Р. Эйрес, Э. Янч, Дж. Мартино, О.Моргенштерн, Дж. Бокс, Г. Дженкинс и многие другие. Среди отечественных ученых стоит особо выделить труды И:В'. Бестужева-Лады,

A.F. Ивахненко, В.М. Глушкова, F.M. Доброва, Ю.П. Лукашина,

B.А. Лисичкина, Г.С. Кильдишева, A.A. Френкеля, В.В. Глущенко-и других. Результаты теоретических и практических исследований в области искусственных нейронных сетей отмечены в работах таких выдающихся отечественных и зарубежных ученых, как А.И. Галушкин, Е.М. Миркес,

B.Bi Круглов, С.А. Терехов, C.JL Сотник, И.В. Заенцев, Д. Хебб, Дж. Мак-Калок, У. Питтс, М., Минский, С. Пайперт, Ф. Розенблатт, Ф. Уоссермен, Б. Видроу, Т. Кохонещ С.Г. Гроссберг, А. К. Джейн.

Однако вопросам применения ИНС в управлении социально-экономическими системами посвящено гораздо меньше трудов. К таким работам следует отнести труды А.Н. Горбаня, Д.А. Россиева, A.A. Ежова,

C.А. Шумского, С.Г. Короткого, M.JI. Кричевского, А.Г. Баркитзиса и других ученых.

Из проведенного анализа литературных источников, периодической- печати и ресурсов глобальной сети Интернет можно сделать. вывод о том, что, по крайней мере, в отечественной' литературе' и доступной переводной иностранной, литературе, не существует сколь бы то ни было глубоких исследований, посвященных управлению стратегическими изменениями региональных социально-экономических систем на основе использования концепции сбалансированной системы показателей и нейросетевого подхода. Указанная проблема послужила причиной выбора данной темы-диссертационной работы, а также обусловила цели и задачи.исследования.

Цель диссертационного исследования заключается в разработке модели формирования прогноза в процессе стратегического управления социально-экономическими системами в регионе.

В соответствии с поставленной целью в ходе исследования были определены, и решены следующие задачи:

Х Определить сущность и характерные особенности разработки и реализации стратегических изменений в региональных СЭС;

Х Провести анализ методов прогнозирования параметров стратегического развития региональных СЭС и определить наиболее эффективные методы;

Х Исследовать сущность, особенности построения и практического применения сбалансированной системы показателей для региональных социально-экономических систем;

Х Разработать модель формирования прогноза в управлении региональными социально-экономическими системами, методику работы с моделью, а также провести экспериментальную проверку модели для конкретных региональных социально-экономических систем.

Предметом исследования является процесс формирования прогноза в управлении стратегическими изменениями на основе нейросетей. Объект исследования - стратегическое управление региональными социально-экономическими системами.

Теоретической и методологической основой исследования стали работы отечественных и зарубежных ученых, занимающихся проблемами стратегического и системного управления, прогнозирования, искусственного интелекта, а также материалы специализированных журналов. Кроме того, в процессе выпонения диссертации были проанализированы статистические данные и материалы различных научных и научно-практических конференций.

При решении поставленных в работе задач использовались общенаучные и специальные методы исследования: дедукции и индукции, анализа и синтеза, контент-анализа, методы экономико-математического моделирования и прогнозирования, системный подход, методы статистического анализа, метод 8\\ЮТ-анализа и другие.

ХЛогика исследования отражает последовательность основных стадий исследования, представленных ниже. На первых этапах работы определяется понятие региона и региональных социально-экономических систем. Исследуются стратегические изменения, закладывающие основу для создания условий, необходимых при осуществлении стратегии развития региональных СЭС, а также рассматриваются основные подходы и методы управления изменениями.

Далее рассматриваются классические и интелектуальные подходы* к прогнозированию параметров функционирования региональных СЭС, определяются основные проблемы, возникающие при управлении изменениями, проводится анализ концепции сбалансированной системы показателей. В итоге, все это, позволяет разработать модель формирования прогноза в управлении региональными социально-экономическими системами на основе нейронных сетей.

Работа выпонена в соответствии с паспортом специальности 08.00.05 (п. 5.14 Паспорта специальностей ВАК РФ).

Научная*новизна работы, состоит в следующем:

1. Выявлены преимущества моделирования' и прогнозирования, параметров стратегического развития региональных СЭС методами^ искусственных нейронных сетей по сравнению с традиционными статистико-математическими методами, заключающиеся в том, что при нейросетевом подходе региональная социально-экономическая система может рассматриваться в виде модели "черного ящика", а математическая ^ модель формируется ИНС посредством обучения (изменения топологии сети) и адаптации к конкретным условиям функционирования СЭС.

2. Определено < новое применение сбалансированной' системы показателей в качестве информационной основы искусственной нейронной сети. При этом показатели ССП региональной СЭС являются входами нейросети, а исследуемые показатели сбалансированной системы Ч выходами нейросети.

3. Разработан принцип двухкаскадного прогнозирования, состоящий в том, что на первом уровне при разработке стратегии на основе обученной ИНС осуществляется прогнозирование результирующих показателей' ССП (как показателей 1-го уровня, так и показателей более низших уровней), а< далее в процессе реализации стратегии на втором уровне анализируются^ факторы отклонения фактической' траектории стратегического развития от утвержденной и путем построения нормативных и поисковых прогнозов развития ситуации с помощью ИНС определяются количественные значения показателей в будущие периоды времени.

4. Построена.оригинальная модель набазе вышеназванного принципа-и разработана комплексная.методика управления стратегическими изменениями в; региональных СЭС на основе нейронных сетей, которая заключается в том, что управление стратегическими изменениями в социально-экономической системе охватывает все этапы стратегического управления: разработку стратегии, формирование сбалансированной системы показателей, реализацию стратегии и контроль ее: реализации. Модель содержит в. своем. составе несколько основных блоков:' ССП, нейросетевую часть, систему контролинга, блок анализа причин отклонений фактических: значений от установленных, блок осуществленияуиравляющих воздействий.

Практическая значимость, диссертационной работы, заключается в, возможности применения научных результатов: проведенного исследования. в практической- деятельности: региональных социально-экономических, систем любого типа. Кроме этого, расширена область применения нейронных сетей за счет симбиоза метода^ искусственных нейронных сетей. - с применением технологии сбалансированной системы, показателей: в рамках методологии стратегического управления.

Разработанные: компьютерные программы на языке программирования системы МАТЬАВ автоматизируют процессы предварительной обработки входных данных, выбора оптимального агоритма обучения ИНС для конкретной прикладной задачи и. прогнозирования показателей функционирования региональной социально-экономической системы.

Основные результаты диссертационного исследования способствуют эффективному управлению развитием региональных СЭС в период проведения стратегических преобразований; Выводы и обобщения, полученные в ходе исследования, могут быть, использованы, в качестве исходного материала для управленческого персонала региональных социально-экономических систем, в деятельности планово-экономических подразделений предприятий и организаций, консультантов по стратегическому развитию, исследователей, преподавателей и сотрудников^ предприятий и организаций, непосредственно занимающихся проблемами эффективного управления.

Апробация результатов исследования:

- основные теоретические положения и практические результаты исследования, представленные автором, докладывались и обсуждались на б1 международных научно-практических конференциях;

- теоретические и методические положения диссертационного-исследования апробированы и применяются автором в процессе преподавания дисциплин Социальное управление и Инструменты формирования стратегии' во Владимирском государственном университете на кафедре "Экономики и стратегического управления"; по отдельным направлениям диссертационного исследования опубликовано 17 научных работ общим объемом 10,19'п.л., в т.ч. 2 монографии объемом 33,1 п-.л. (доля^автора- 6,93 п:л.).

Авторская модель формирования^ прогноза' в управлении региональными социально-экономическими системами на- основе нейросетей, обоснованная в работе, реализована в системах управлениял НО "Владимирский' городской ипотечный фонд" (г. Владимир) и ЗАО "Меленковский районный промышленный комбинат" (г. Меленки, Владимирская область). Внедрение результатов диссертационного исследования подтверждено соответствующими справками. j

Структура диссертационного исследования отражает логику исследования и соответствует направленности поставленных в работе задач. Диссертационная работа состоит из введения, трех глав и заключения. Список литературы включает 186 наименований- научных источников. В 13 приложениях приведен илюстративный материал. Работа представлена на 188 странице машинописного текста, включает 35 рисунков и 31 таблицу.

Диссертация: заключение по теме "Экономика и управление народным хозяйством: теория управления экономическими системами; макроэкономика; экономика, организация и управление предприятиями, отраслями, комплексами; управление инновациями; региональная экономика; логистика; экономика труда", Чернявский, Андрей Павлович

ЗАКЛЮЧЕНИЕ

В диссертационной работе содержится решение задачи разработки модели формирования прогноза в управлении региональными социально-экономическими системами на основе использования парадигмы искусственных нейронных сетей, имеющей важное теоретическое и практическое значение для управления стратегическим развитием социально-экономических систем регионов страны.

Подводя итоги диссертационного исследования, необходимо выделить следующие результаты проведенной работы:

1. Основываясь на анализе теории и практики стратегического управления, сделан вывод о том, что первоначально при формировании методологии стратегического планирования и управления основное внимание ученого мира и менеджмента организаций было уделено этапу формирования стратегии. В настоящее время важнейшим и в то же время наименее проработанным этапом стратегического управления по праву считается этап реализации стратегии, то есть проведение стратегических изменений.

2. Рассмотрены различные подходы к управлению стратегическими изменениями, в результате чего сделан вывод о том, что применение только одного отдельного метода не в состоянии привести к успеху. Только разумное комбинирование различных методов в зависимости от конкретной ситуации в региональной социально-экономической системе позволит эффективно осуществить изменения и достичь стратегических целей.

3. В исследовании особое внимание обращено на то, что происходит интенсивный переход от индустриального общества к информационному обществу. Информация становится определяющим фактором общественного производства, и обладание информацией становится важнейшим преимуществом. В этих условиях резко возрастает актуальность и значимость прогнозирования. Кроме того, понятие прогноза, издавна имевшее общенаучное значение и определенные соотношения с другими понятиями и категориями, приобретает более емкое^и широкое смысловое напонение. При этом выявлено, что: современные региональные СЭС представляют собой весьма сложные, многофакторные и высоко динамичные системы. Поэтому построить математическую^ модель для прогнозирования таких систем крайне сложно, а зачастую и просто невозможно; вследствие того, что информация разнообразна как в содержательном, так и в эмпирическом аспекте, при этом, как правило, содержит шумовую составляющую, получить требуемую аналитическую информацию для построения прогноза становится весьма сложно.

4. Обобщены и систематизированы методы и модели прогнозирования. Проведен критический анализ* агоритмов и методов прогнозирования, позволивший выявить ряд существенных ограничений и недостатков классических методов. Показано, что применение классических методов при прогнозировании параметров таких объектов, как социально-экономические системы, весьма ограничено и в большинстве случаев приводит к неудовлетворительным результатам. Для решения подобных трудно формализуемых задач в условиях недостатка' (избытка)1 информации лучшие результаты демонстрируют интелектуальные технологии прогнозирования. При этом показано, что оптимальной интелектуальной технологией является метод искусственных нейронных сетей. Преимущества моделирования и прогнозирования методами искусственных нейронных сетей заключаются в том, что: при нейросетевом подходе региональная СЭС может рассматриваться в виде черного ящика, имеющего контакты с внешней средой посредством входов и выходов; математическая модель строится ИНС посредством обучения (изменения топологии сети) и адаптации к конкретным условиям функционирования региональной социально-экономической системы.

5. Показано, что поскольку люди являются основной составляющей любой социально-экономической системы, то и основные проблемы управления стратегическими изменениями кроются среди людей и их коммуникаций. Таким образом, основными проблемами стратегических изменений являются: проблемы, вызванные изменением организационной культуры. Чаще всего такими проблемами являются различного рода сопротивления; проблемы, связанные с недостатком информации о проводимых изменениях, текущем состоянии и развитии социально-экономической системы в будущем. При этом проблема недостатка информации распадается на две подпроблемы: определение критериев1 оценки реализации стратегии и получение качественных и количественных оценок показателей реализации стратегии.

6. Проведенное1 исследование показало наличие принципиальных возможностей- повысить качество управления реализацией стратегии региональных СЭС при использовании^ концепции сбалансированной системы показателей, поскольку ССП предполагает взаимоувязку запаздывающих и опережающих (финансовых и нефинансовых) показателей функционирования организации, а также помогает донести стратегию и суть стратегических изменений до всех сотрудников организации. Кроме того, предложено применение сбалансированной системы показателей в качестве информационной основы искусственной нейронной сети, когда показатели сбалансированной системы являются входами нейросети, а исследуемые (результирующие) показатели - выходами ИНС.

7. Главным научно-практическим итогом диссертации является разработанная в общем виде модель формирования прогноза в управлении региональными социально-экономическими системами на основе искусственных нейронных сетей.

8. Разработан принцип двухкаскадного прогнозирования, состоящий в том, что на первом уровне при разработке стратегии региональной СЭС на основе обученной ИНС осуществляется прогнозирование результирующих показателей ССП, а далее- в процессе реализации стратегии (осуществления стратегических изменений) на втором уровне с использования интегрированной системы контролинга фиксируются отклонения фактических значений показателей, сбалансированной системы от их прогнозных значений. Далее анализируются факторы отклонения фактической траектории стратегического развития от утвержденной, на основе ИНС осуществляется построение нормативных и поисковых прогнозов развития ситуации, рассчитываются-количественные значения показателей ССП в будущие периоды времени. На основании этого определяются' необходимые корректировки стратегических изменений, а в- случае необходимости корректировки дожны быть внесены в стратегию развития региональной СЭС.

9. Выявлены преимущества применения программной реализации ИНС перед реализацией аппаратным способом, заключающиеся в более низкой стоимости, простоте использования и высокой скорости изменения-конфигурации- нейросети. Также с помощью сравнительного анализа определена предпочтительность использования' системы, инженерных, и научных расчетов MATLAB' в качестве инструмента компьютерного* моделирования искусственной нейронной сети.

10. На практических примерах показаны универсальность и возможности для развития; заложенные в модели, которые позволяют применять ее с успехом в деятельности различных региональных социально-экономических систем. Кроме того, в процессе адаптации определены ограничения модели, заключающиеся в том, что для адекватного прогнозирования показатели ССП дожны обладать достаточной описательной статистикой. Точность модели также падает в условиях системных кризисных явлений (резкие изменения в начальной- фазе- кризиса), оставаясь выше точности прогнозирования классическими методами, однако благодаря наличию адаптивных свойств, через обучение на текущих данных достаточно быстро выходит на приемлемый уровень точности прогноза.

Таким образом, можно считать, что цель, поставленная в начале диссертационного исследования, достигнута, а задачи решены.

В заключение следует отметить, что проделанная работа носит масштабный характер, вследствие чего часть важных проблем не попала в область рассмотрения. В связи с этим дальнейшими путями развития данной темы являются: применение генетических агоритмов для предварительной обработки данных и оптимизации структуры искусственной нейронной сети, дальнейшая проработка интегрированной системы контролинга, унификация и автоматизация процессов создания сбалансированной системы показателей, автоматизация прогнозирования показателей ССП и контроля их фактических значений, что предоставляет широкое поле для последующих научных изысканий.

Диссертация: библиография по экономике, кандидат экономических наук , Чернявский, Андрей Павлович, Владимир

1. Aleksander I., Morton H. An Introduction to Neural Computing. Ч London: Chapman & Hall, 1990. Ч 218 p.

2. Anil K. Jain, Jianchang Mao, K.M. Mohiuddin. Artificial Neural Networks: A Tutorial // Computer, Vol.29, No.3, March/1996, p. 31- 44.Translated from the original English version and reprinted with permission. (IEEE).

3. Balanced Scorecard Collaborative Ссыка на домен более не работаетp>

4. Beer M., Nohria N. Revolving the tension between theories E and О of Change // Breaking the code of change. Harvard business school press. Boston, 2000, P. 1-33.

5. Bright J. R. Evaluating signals of technological" change // Harvard Business Review, January/February, 1970.

6. Funahashi K. On the approximate realization of continuous mappings'by neural networks // Neural Networks, 1989. N 2, p. 183Ч192. Источник: http ://users.kpi.kharkov.ua >

7. Galbraith J. The Role of Formal Structures and Processes // Breaking the Code of Change. Harvard Business School Press, Boston, 2000, p. 139-159.

8. Grossberg S. Competitive Learning: from Interactive Activation to Adaptive Resonance // Cognitive Science, 1987, no. 11, P. 23-63.

9. Hebb D. O. The Organization of Behavior: A Neuropsychological Theory. Ч New York: Wiley, 1949. Ч 358 p.

10. Heskett J. GE: We Bring Good Things to Life. Boston // Harvard Business School, 1999.

11. Huse E. Organizational development and change. L., 1975.

12. Kaplan R., Norton D. The Balanced Scorecard Measures That Drive Performance // Harvard Business Review, Jan-Feb 1992.

13. Kaplan R., Norton D. Using the Balanced Scorecard as a Strategic Management System // Harvard Business Review, Jan-Feb 1996.

14. Kevin Swingler "Applying Neural Networks. A practical Guide". 1996.

15. Перевод Ю.П.Маслобоева. Источник www.matlab.exponenta.ru

16. Kohonen Т. Self-organized formation of topologically correct feature maps // Biological Cybernetics, 1982, N 43, P. 59-69.

17. Kotter J., Schlesinger L. Choosing strategies for change // Harvard business review. March, 1979, P. 106Ч114.

18. Lewin K. Feedback problems of social diagnosis and action: Part II-B of Frontiers in Group Dynamics // Human Relations. № 1, 1947, P. 147-153.

19. Lynch R. Corporate strategy. Pitman Publishing, 1997.1'9. McCulloch W. S., Pitts W. A logical calculus of the ideas immanent in nervous activity // Bulletin of Mathematical Biophysics, № 5, 1943, P. 115 -133.

20. Pearce II J.M., Robinson R.B. Jr. Strategic Management, 2nd ed. Homewood, III: Richard D. Irwin, 1985.

21. Quinn J.B. and Voyer J. Logical incrementalism: managing strategy formation. In Mintzberg H., Quinn J.B. and Ghoshal S. (eds). The Strategy Process. Englewood Cliffs: Prentice Hall, 1998. 448 p.

22. Rosenblatt F. The Perceptron: A probabilistic model for information storage and organization in the brain // Psychological Review, 1958. N 65, P. 386408.

23. Rumelhart D.E., Hinton G.E., Williams R.J. Learning internal representations by error propagation. In Parallel distributed processing, vol. 1, pp.318-62. Cambridge, MA: MIT Press, 1986.

24. Schein E.H. Management Development as a Process of Influence. Executive education: process, practice and evaluation /Albert A. Vicere (ed.) Peterson's Guides, Princeton , New Jersey , 1989, p. 3 - 20.

25. Schendel D. E., Hatten K. J. Business policy or strategic management: A broader view for an emerging discipline // Academy of Management Proceedings (August), 1972, P. 99-102.

26. Senge P. The Puzzles and Paradoxes of How Living Companies Create Wealth // Breaking the Code of Change. Harvard Business School Press,1. Boston, 2000, P. 59-81.

27. Widrow, B. Rumelhart, D.E. and Lehr, M.A. "Neural networks: Application in industry, business and science" // Communications of the ACM, 1994, № 37(3) P. 93-105.

28. Акимова T.A. Теория организации: Учеб. пособие для вузов. Ч М.: ЮНИТИ-ДАНА, 2003. 367 с.

29. Алексеев Н. Управление изменениями в условиях новой экономики // Консультант директора. 2003. № 16 (196). - С. 2-7.

30. Алексеева М. Б., Балан С. Н. Основы теории систем и системного анализа: Учеб. пособие. СПб.: СПбГИЭУ, 2002. - 88 с.

31. Андреев A.B., Борисова JI.M., Плучевская Э.В. Основы региональной экономики: учебное пособие. М.: КНОРУС, 2007. - 336 с.

32. Андрейчиков А. В., Андрейчикова О. Н. Интелектуальные информационные системы: Учебник. Ч М.: Финансы и статистика, 2004.-424 с.

33. Ансофф И. Новая корпоративная стратегия. Ч СПб: Издательство Питер, 1999.-416 с.

34. Ануфриев И.Е., Смирнов|А.Б., Смирнова E.H. MATLAB 7. СПб.: БХВ-Петербург, 2005. - 1104 с.

35. Арженовский C.B., Мочанов И.Н. Статистические методы прогнозирования. Учебное пособие для аспирантов / РГЭУ Ростов-на-Дону, 2001. - 74 с.

36. Баринов В.А., Харченко B.JI. Стратегический менеджмент: Учебник. -М.: ИНФРА-М, 2005. 237 с.

37. Бестужев-Лада И.В. Окно в будущее. Современные проблемы социального прогнозирования. М.: Мысль, 1970. - 269 с.

38. Бильчак B.C., Захаров Р.Ф. Региональная экономика. Калининград: Янтарный сказ, 1998. 316 с.

39. Блаттер К. Вейвлет-анализ. Основы теории. М.: Техносфера, 2004.273 с.

40. Большой1 экономический словарь / Под ред. А.Н. Азрилияна. 7-е изд. доп: - М.: Институт новой экономики, 2007. - 1472 с.

41. Боумен'К. Стратегия на практике. СПб.: Питер, 2003. - 256 с.

42. Браун Марк Г. Сбалансированная система показателей: на маршруте внедрения / Марк Грэм<Браун; Пер. с англ. М.: Альпина Бизнес Букс, 2005. - 226 с.и

43. Васильев С.Н. От классических задач к интелектуальномууправлению //Известия, академии наук. Теория систем и системы . управления. 2001, №1, с. 5-22.

44. Веснин В.Р. Стратегическое управление. Учебник. М.: ТК Веби, Изд-во Проспект, 20041 328 с.

45. Винер Н: Кибернетика, или Управление и связь в животном и машине. / Пер. с англ. И.В. Соловьева и Г.Н. Поварова; Под ред. Г.Н. Поварова.- 2-е издание. М;: Наука, 1983. - 99 с.

46. Витязев В.В. Вейвлет-анализ временных рядов: Учеб. пособие. Ч СПб.:

47. Изд-во С.-Петерб. ун-та, 2001. 58 с.

48. Виханский О.С. Стратегическое управление: Учебник. Ч 2-е изд.перераб. и доп. М.: Экономистъ, 2004. Ч 296 с.

49. Виханский О.С., Наумов А.И. Менеджмент: Учебник. Ч 4-е изд., перераб. и доп. М.: Экономистъ, 2006. Ч 670 с.

50. Вокогонова О.Д., Зуб А.Т. Стратегический менеджмент. Учебник. Ч ; М.: ФОРУМ: ИНФРА-М, 2006. 256 с.

51. Галушкин А.И. Теория нейронных сетей. Кн. 1: Учеб пособие для вузов. М.: ИПРЖР, 2000. - 416 с.

52. Гапоненко А.Л. Стратегия социально экономического развития:51. страна, регион, область. Учебное пособие. М.: Издательство РАГС, * 2001.-224 е.

53. Гапоненко А.Л., Панкрухин А.П. Стратегическое управление: Учебник. М.: Омега-Л, 2004. - 472 с.

54. Генетические агоритмы, искусственные нейронные сети и проблемывиртуальной реальности / Г.К. Вороновский, К.В. Махотило, С.Н. Петрашев, С.А. Сергеев. Харьков: Основа, 1997. Ч 112 с.

55. Гершун А., Горский М. Технологии сбалансированного управления. Ч М.: ЗАО Олимп-Бизнес, 2005.-416 с.

56. Гик Дж. Прикладная общая теория систем. Ч М.: Мир, 1981.

57. Глушков В.М. О прогнозировании на основе экспертных оценок //Науковедение. Прогнозирование. Информатика. Ч Киев, 1970. -413с.

58. Глущенко В.В. Прогнозирование./ 4-е изд. Ч М.: Вузовская книга, 2005. -208 с.

59. Голосов OlB., Лаптев 0.\В. Регион: модельное отображение. М.: ЗАО "Издательство "Экономика", 2007. - 350 с.

60. Горбань А. Hl, Россиев Д. А. Нейронные сети на персональном компьютере // Новосибирск: Наука (Сиб. Отделение), 1996. 276 с.

61. Горбань А. Н., Россиев Д. А. Нейронные сети на персональном компьютере. Новосибирск : Наука, 1996. - 216 с.

62. Горбань А.Н., и др. Нейроинформатика / А.Н.Горбань, В.Л.Дунин-Барковский, А.Н. Кирдин и др. Новосибирск: Наука. Сибирское предприятие РАН, 1998. - 296 с.

63. Гранберг А. Г. Основы региональной экономики: учебник для вузов.-М.: Изд. дом ГУ ВШЭ, 2004. 495 с.

64. Гутман Г.В., Мироедов A.A. Регионоведение. Владимир.: Изд. ВФ РАГС при Президенте РФ, 2000. 84 с.

65. Де Янг К. Эволюционные вычисления: новейшие достижения инерешенные проблемы. Обозрение прикладной и промышленной математики. М.: 1996, т.З, вып. 5.

66. Дж. Бокс, Г.Дженкинс. Анализ временных рядов: прогноз и управление. Выпуск Л. Пер. с англ. М.: МИР, 1974. 408 с.

67. Дж. Маккалок, У Питтс. Логическое исчисление идей, относящихся к нервной деятельности // Автоматы. М: ИЛ, 1956.

68. Джаримов A.A. Регион в едином рыночном пространстве. Ростов на1. Дону, 1995.- 188 с.

69. Добеши И. Десять лекций по вейвлетам. Ч М.: Ижевск: РХД, 2001. -464 с.

70. Добров Г.М. Прогнозирование науки и техники. М.: Наука, 1969. -208 с.

71. Добрынин А.И. Региональные пропорции воспроизводства. Ч JI.: Изд-во ГУ 1977.-347 с.

72. Дьяконов В.П. Вейвлеты. От теории к практике. М.: СОЛОН-Р, 2002. - 446 с.

73. Ежов A.A., Шумский С.А. Нейрокомпьютинг и его применения в экономике и бизнесе. М.: МИФИ, 1998. -216 с.

74. Жетиков В.П. Экономическая география и регионолистика: учебное пособие. -М.: ИТК "Дашков и К" Р-н-Д: Наука-Пресс, 2007. -384 с.

75. Заенцев И. В. Нейронные сети: основные модели. Учебное пособие к курсу "Нейронные сети". Воронежский Гос. Университет, 2000. 76 с.

76. Зайцев Л.Г., Соколова М.И. Стратегический менеджмент: Учебник. -М.: Юристь, 2002. 416 с.

77. Закон Владимирской области № 2-03 от 11.01.2006 г. "Об областной целевой программе "развитие и поддержка ипотечного жилищного кредитования во владимирской области на 2006 2010 годы".

78. Зуб А.Т. Стратегический менеджмент: Теория и практика: Уч.пособие для вузов. 2-е изд., испр. и доп. - М.: Аспект Пресс, 2004. Ч 415 с.

79. Зуб А.Т., Локтионов М.В. Системный стратегический менеджмент: методология и практика. М.: Генезис, 2001. Ч 752 с.

80. Ивахненко А. Г. Догосрочное прогнозирование и управление сложными системами. К: Техника, 1975. 312 с.

81. Инструменты реализации стратегии / Под ред. проф. Ю.Н. Лапыгина. Владимир: Владимирская книжная типография, 2005. - 281 с.

82. Исаев В.В., Немчин А.М. Общая теория социально-экономических систем: Уч. пособие. СПб.: Изд. дом Бизнес-пресса, 2002. - 176 с.t i

83. Истомина T.B., Чувыкин Б.В., Щеголев В'.Е. Применение теории wavelets в задачах обработки информации: Монография. Пенза: Изд-во Пенз. Гос. ун-та, 2000. - 188 с.

84. История становления и развития Сбалансированной системыsпоказателей: Ссыка на домен более не работаетp>

85. Каплан Р., Нортон Д. Сбалансированная системам показателей. От84. стратегии к действию. 2-е изд., испр. и доп. / Пер. с англ. - М.: ЗАО Олимп-Бизнес, 2003. - 228 с.

86. Каплан Роберт С., Нортон Дейвид-П. Организация, ориентированная на стратегию. Как в новой бизнес-среде преуспевают организации, применяющие сбалансированную систему показателей./ Пер: с англ.

87. М.: ЗАО Олимп- Бизнес, 2004. 416 с.

88. Кетков Ю.Л., Кетков А.Ю., Шульц М.М. MATLAB 7: Программирование, численные методы. СПб.: БХВ-Петербург, 2005. - 752 с.

89. Кетова Н., Овчинников В. Региональная экономика: универсальный учебный словарь. Р-н-Д; 1996. 356с.

90. Кильдишев Г.С., Френкель A.A. Анализ временных рядов ипрогнозирование. Ч М.: Статистика, 1973. 452 с.

91. Коваленко Е. и др. Региональная экономика и управление: учебное пособие, 2-е изд. перераб. и доп. Спб.: Питер, 2008. - 288 с.

92. Коленсо М. Стратегия кайзен для успешных организационных перемен / Пер. с англ. М.: ИНФРА-М, 2002. - 174 с.

93. Короткий С.Г. Нейронные сети: основные положения, 1996. 7 с.

94. Источник: Ссыка на домен более не работает

95. Короткий С.Г. Нейронные сети: обучение без учителя, 1996. 11 с. Источник: Ссыка на домен более не работает

96. Короткое Э.М. Исследование систем управления Ч М.: ООО Издательско-Консатинговое Предприятие ДеКА, 2004. 336 с.

97. Коттер Дж. Впереди перемен / Пер. с англ. М.: Олимп-бизнес, 2003. -256 с.

98. Кричевский M.JI. Интелектуальные методы в менеджменте. СПб.: Питер, 2005. 304 с.

99. Круглов В.В., Борисов Б.Б. Искусственные нейронные сети. Теория и практика. М.: Горячая Линия Ч Телеком, 2001. 382 с.

100. Круглов В.В., Дли М.И., Голунов Р.Ю. Нечеткая логика и искусственные нейронные сети. Ч М.: Физматлит, 2001. 225 с.

101. Курносов Ю.В., Конотопов П.Ю. АНАЛИТИКА: методология, технология и организация информационно-аналитической работы. Ч Москва: Издательство Русаки, 2004. 550 с.

102. Курс MB А по стратегическому менеджменту / Под ред. Л. Фаэй, Р. Рэндел / Пер. с анг. В. Егоров. М.: Альпина Бизнес Букс, 2007. 588 с.

103. Кэмпбел Д., Стоунхаус Д., Хьюстон Б. Стратегический менеджмент: Учебник/Пер. с англ. Н.И. Амазовой. Ч М.: ООО Издательство Проспект, 2003. 336 с.

104. Лапыгин Д.Ю., Лапыгин Ю.Н. Принятие управленческих решений. -СПб.: ПИТЕР, 2005.

105. Лапыгин Ю.Н. Основы стратегического управления/2-е изд., перераб. и доп. Ч Владимир: ВГУ, 2005. Ч 245 с.

106. Лапыгин Ю.Н. Основы управленческого консультирования / 3-е изд., перераб. и доп. Владимир: ВГУ, 2005. - 304 с.

107. Лапыгин Ю.Н. Системное решение проблем. М.: ЭКСМО, 2007. -270с.

108. Лапыгин Ю.Н. Стратегический менеджмент: учебное пособие. Ч М.: Инфра-М, 2006. 245 с.

109. Лапыгин Ю.Н. Теория организации: учебное пособие. / Ю.Н. Лапыгин.

110. М. : Инфра-М, 2006. 311 с.

111. Лапыгин Ю.Н. Теория организаций и системный анализ / 3-е изд., перераб. и доп. Владимир: ВГУ, 2005. - 324 с.

112. Лапыгин Ю.Н., Иларионов А.Е., Лачинина Т.А. Разработка и реализация стратегии муниципалитета. Ч Владимир: Владимирская книжная*типография, 2005. 259 с.

113. Лисичкин В.А. Теория* и практика прогностики. М., - 1972. - 224 с.

114. Логический подход к искусственному^ интелекту: от классической логики к логическому программированию / А. Тейз, П. Грибомон, Ж. Луи и др. М.: Мир, 1990. - 432 е.

115. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования.- М.: Статистика, 1979. 254 с.

116. Малин A.C., Мухин В1И. Исследование систем управления: Учебник для вузов. 2-е изд. - Mi: Издательский дом ГУ ВШЭ, 2004. - 400 с.

117. Мартино Дж. Технологическое прогнозирование. Ч М., 1977. 591' с.

118. Маршалова A.C., Новоселов A.C. Основы теории регионального121122123124125126127128129130131.132,133134воспроизводства. -М.: Экономика. 1998. 192 с.

119. Мащенко В.Е. "Системное корпоративное управление". М.: Сирин,2003.-251 с.

120. Мескон М.Х., Альберт М., Хедоури Ф. Основы менеджмента: Пер. с англ. М.: Дело, 2000. - 800 с.

121. Орлов А.И. Прикладная.статистика. Учебник. М.: Изд-во "Экзамен", 2004. - 656 с.

122. Осовский С. Нейронные сети для обработки информации / Пер. с польск. И. Д. Рудинского. Ч М.: Финансы и статистика, 2002. 344 с.

123. П. М. Сенге. Пятая дисциплина: Искусство и практика самообучающейся организации. М.: Олимп-Бизнес, 1999. 408 с.

124. Панов А.И. Стратегический менеджмент: Учебное пособие. Н; Новгород: НКИ, 2000. - 235 с.

125. Прогнозирование национальной'экономики: Учебник / Г.А. Парсаданов, В.В. Егоров. М.: Высшая школа, 2002. - 304 с.

126. Региональная экономика: Учебник под ред. В.И. Видяпина и М.В. Степанова. М.: ИНФРА-М, 2008. 666 с.

127. Решение Владимирского городского совета народных депутатов № 69 от 20.03.2003 г. "О создании Владимирского городского Фонда ипотечного кредитования"

128. Решение Владимирского городского Совета народных депутатов от147,148149150151.152,153,154155,156,157,158,159,160,1707.2003 N 186 "О программе ипотечного жилищного кредитования населения г. Владимира"

129. Розенблат Ф. Принципы нейродинамики. М.: Мир, 1965. - 480 с. Романова JI.A. Экономика региона: самостоятельность и государственное регулирование. - Пермь, 1994. - 142 с. Руководители о Balanced Scorecard на сайте www.balancedscorecards.ru.

130. Саати Т., КернсК. Аналитическое планирование. Организация систем. М.: Радио и связь, 1991. 224 с.

131. Сигеру О. и др. Нейроуправление и его приложения. Пер. с англ. под ред. А.И. Галушкина. М.:РШРЖР, 2001.-321 с. Смирнов Э.А. Основы теории организации: Учеб. пособие для вузов. Ч М.: Аудит, ЮНИТИ, 1998. - 375 с.

132. Смоленцев Н.К. Основы теории вейвлетов. Вейвлеты в МАТЛАБ. М.: ДМКЧПресс, 2008. 448 с.

133. Собрание законодательства Российской Федерации. 1996. № 23. Ст. 2756.

134. Сотник С. Л. Конспект лекций по курсу "Основы проектирования систем искусственного интелекта", 1998. 187 с. Стратегический контролинг / Под ред. проф. Ю.Н. Лапыгина. -М.:КноРус, 2004-276 с.

135. Стратегическое управление: регион, город, предприятие / Д.С. Львов и др.; под ред. Д.С. Львова, А.Г. Гранберга, А.П. Егоршина; ООН РАН, НИМБ. 2-е изд., доп. - М.: ЗАО "Издательство "Экономика", 2005. -603 с.

136. Стратегия. Как создавать и использовать эффективную стратегию. 2-е изд./Р. Кох. Ч СПб.: Питер, 2003. Ч С 31-34. Тархов Д.А. Нейронные сети. Модели и агоритмы. Кн. 18. М.: Радиотехника, 2005. 256 с.

137. Тейл Г. Экономические прогнозы и принятие решений. М.:1. Прогресс, 1971.-510 с.

138. Терехов С.А. Лекции по теории и приложениям искусственных нейронных сетей // Лаборатотория Искусственных Нейронных Сетей НТО-2, ВНИИТФ, г. Снежинск, 1998. Источник: Ссыка на домен более не работает

139. Терехов С.А. Технологические аспекты обучения нейросетевых машин. Материалы VIII Всероссийской научно-технической конференции "Нейроинформатика-2006" // М.: МИФИ, 2006. С. 7-69.

140. Титов К.А., Виттих В.А., Логойдо Ю.М., Савельев С.Н. Холистический подход к управлению регионом // Труды 2-й Междунар. конф., г. Самара: Самарский научный центр РАН, 2000.

141. Тихомиров Н.П., Попов В.А. Методы социально- экономического прогнозирования. М.: Изд-во ВЗПИ, АО "Росвузнаука", 1992. Ч 228 с.

142. Томпсон A.A., Стрикленд А.Дж. Стратегический менеджмент. Искусство разработки и реализации стратегии: Учебник для вузов /

143. Пер. с англ. под ред. Л.Г. Зайцева, М.И. Соколовой. М.: Банки и биржи, ЮНИТИ, 1998. - 576 с.

144. Тэрано Т., Асаи К., Сугэно М. Прикладные нечеткие системы. М.: Мир, 1993.-368 с.

145. Уоссермен Ф., Нейрокомпьютерная техника: теория и практика. Ч М., Мир, 1992.- 184 с.

146. Управление организацией: Учебник / Под ред. А.Г. Поршнева, З.П. Румянцевой, H.A. Саломатиной. 2-е изд. перераб. и доп. Ч М.: ИНФРА-М, 2002. - 669 с.

147. Уткин Э.А., Денисов А.Ф. Государственное и региональное управление.- М.:ИКФ ЭКМОС, 2002. 320 с.

148. Ф. Аналоуи, А. Карами. Стратегический менеджмент малых и средних предприятий: Учебник. М.: ЮНИТИ-ДАНА,2005. - 400 с.

149. Факторы стратегического развития / Под ред. проф.' Ю.Н. Лапыгина. Ч Владимир: Владимирская книжная типография, 2005. Ч 165 с.

150. Фатхутдинов P.A. Управленческие решения ИНФРА-М, 2001 - 283с.173174175176177178179180181182183184,185,186

151. Фролов Ю. В. Интелектуальные системы и управленческие решения. М: Изд-во МГПУ, 2000. - 294 с.

152. Хамел Г., Прахалад К. Конкурируя за будущее. Создание рынковзавтрашнего дня. М.: ЗАО "Олимп-Бизнес", 2002". - 288 с. ,

153. Хартанович К.В. Методологические аспекты исследования управлениярегиональной экономической системой // Экономика региона:электронный журнал. 2007. - № 18 (часть 2).

154. Чен К., Джиблин П., Ирвинг A. MATLAB в математическихисследованиях / Пер. с англ. М.: Мир, 2001.- 346 с.

155. Четыркин Е.М. Статистические методы прогнозирования. Изд. 2-е,перераб. и доп. Ч М.: "Статистика", 1977. 200 с.

156. Чуй Т.К. Введение в вейвлеты. М.: Мир, 2001. Ч 412 с.

157. Шайн Э. Организационная культура и лидерство: построение,эволюция, совершенствование. СПб.: Питер, 2002. - 336 с.

158. Э. Кемпбел, К. Саммерс Лачс. Стратегический синергизм, 2-е изд.1. СПб.: Питер, 2004. 416 с.

159. Эйрес Р. Научно-техническое прогнозирование и догосрочное планирование. М.: Мир, 1971. - 296 с.

160. Янч Э. Прогнозирование научно-технического прогресса. М.: Прогресс, 1974.-586 с.166

Похожие диссертации

• Совершенствование механизма управления экономикой регионов на муниципальном уровне
• Влияние региональных особенностей на форму, характер, структуру и уровень экономической активности
• Механизм диагностики и управления потенциалом интегрированной экономической системы в условиях нестабильности
• Прогнозирование и классификация экономических систем в условиях неопределенности методами искусственных нейронных сетей
• Нейросетевое моделирование и управление в производственно-экономической системе предприятия