chebЧебышевский сборникChebyshevskii Sbornik2226-8383Tula State Lev Tolstoy Pedagogical University10.22405/2226-8383-2020-21-2-190-206cheb-764Research ArticleСтатьиArticleОценка Индекса Инклюзивного Развития на Основе Нейросетевой Модели REL-PCANetEstimation of the Inclusive Development Index Based on the REL-PCANet Neural Network ModelИрматовАнвар АдхамовичIrmatovAnwar

кандидат физико-математических наук, доцент

candidate of physical and mathematical Sciences, associate professor

irmatov@intsys.msu.ruИрматоваЭльнура АнваровнаIrmatovaElnura

аспирант

postgraduate student

elnura-irmatova@mail.ruМосковский государственный университет имени М. В. ЛомоносоваРоссияM. V. Lomonosov MSURussian FederationРоссийская академия народного хозяйства и государственной службы при Президенте Российской ФедерацииРоссияRussian Presidential Academy of National Economy and Public AdministrationRussian Federation202007042020212190206Copyright © Ирматов А.А., Ирматова Э.А., 20202020Ирматов А.А., Ирматова Э.А.Irmatov A., Irmatova E.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.chebsbornik.ru/jour/article/view/764

В 2018 году на Всемирном экономическом форуме в Давосе была представлена новая метрика экономической эффективности стран под названием Индекс инклюзивного развития (IDI), состоящий из 12 показателей. Новая метрика подразумевает, что странам может потребоваться проведение структурных реформ для улучшения как экономического роста, так и эффективности социальной инклюзивности. Именно поэтому важно, чтобы метод расчета IDI имел сильную статистическую и математическую основу для точности и прозрачности результатов и их дальнейшего использования в общественных целях.

В данной работе мы предлагаем новый подход к оценке IDI — нейросетевую модель REL-PCANet, которая основана на принципах RELARM и RankNet и объединяет элементы PCA, методы, применяемые в распознавании изображений и механизмах обучения ранжированию. Кроме того, мы определяем новый подход к оценке матрицы целевых вероятностей TRnet для отражения динамических изменений в инклюзивном развитии стран. Эмпирическое исследование показало, что REL-PCANet обеспечивает надежные оценки и результаты ранжирования, что позволяет рекомендовать ее для использования в практической деятельности.

In 2018, at the World Economic Forum in Davos it was presented a new countries’ economicperformance metric named the Inclusive Development Index (IDI) composed of 12 indicators.The new metric implies that countries might need to realize structural reforms for improvingboth economic expansion and social inclusion performance. That is why, it is vital for theIDI calculation method to have strong statistical and mathematical basis, so that results areaccurate and transparent for public purposes.

In the current work, we propose a novel approach for the IDI estimation — the RankingRelative Principal Component Attributes Network Model (REL-PCANet). The model is basedon RELARM and RankNet principles and combines elements of PCA, techniques appliedin image recognition and learning to rank mechanisms. Also, we define a new approach forestimation of target probabilities matrix TRnet to reflect dynamic changes in countries’ inclusivedevelopment. Empirical study proved that REL-PCANet ensures reliable and robust scores andrankings, thus is recommended for practical implementation.

глубокие относительные атрибутыиндекс инклюзивного развитияRankNetRELARMВсемирный экономический форумDeep Relative AttributesInclusive Development IndexRankNetRelative PCA Attributes Rating ModelWorld Economic ForumReferences

The authors declare that there are no conflicts of interest present.