Подписные индексы – 38683, Р8683 УДК 004.9:338 ББК 65.050.03 Tokarev Kirill Evgenievich, candidate of economic sciences, associate professor of the department of computer science and mathematics of Volgograd Business Institute, Volgograd, e-mail: tke.vgsha@mail.ru Токарев Кирилл Евгеньевич, канд. экон. наук, доцент кафедры информатики и математики Волгоградского института бизнеса, г. Волгоград, e-mail: tke.vgsha@mail.ru НЕЙРОСЕТЕВЫЕ МЕТОДЫ И АЛГОРИТМЫ УПРАВЛЕНИЯ В СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ СИСТЕМАХ NEURAL NETWORK METHODS AND ALGORITHMS OF MANAGEMENT IN SOCIO-ECONOMIC SYSTEMS 08.00.13 – Математические и инструментальные методы экономики 08.00.05 – Экономика и управление народным хозяйством 08.00.13 – Mathematical and instrumental methods of economics 08.00.05 – Economics and management of national economy В статье рассмотрены возможности применения алгоритмического и математического аппарата нейросетевых моделей в задачах управления социально-экономическими системами. <...> В ходе исследования автором проанализированы современные подходы к моделированию управления социально-экономическими системами, разработана алгоритмическая модель обучения и функционирования нейронной сети, а также представлена структурная модель базового компонента сети – искусственного нейрона. <...> Кроме того, проанализированы возможности и выявлены пути адаптации существующих классов одно- и двухслойных нейросетевых моделей с экзо- и эндогенными сигналами для обоснования управленческих решений на основе использования инструментальных средств для многовариантного анализа альтернатив в задачах управления в социальных и экономических системах. <...> The article examines the possibilities of application of algorithms and mathematical means of neural network models in the problems of management of socio-economic systems. <...> The author analyzes the current approaches to modeling management of socio-economic systems, algorithm model of learning and functioning of neural networks is developed, as well as structural model of basic component of the network – the artificial neuron – is presented. <...> In addition, opportunities are analyzed and the ways of adaptation of existing classes of one and two-layer neural network models with exogenous and endogenous <...>