2025. — Т 17. — № s4 - перейти к содержанию номера...

Постоянный адрес этой страницы - https://esj.today/08favn425.html

Полный текст статьи в формате PDF (объем файла: 675.1 Кбайт)

Ссылка для цитирования этой статьи:

Литвин, А. Ю. Применение методов машинного обучения для прогнозирования успешности инновационных проектов / А. Ю. Литвин // Вестник Евразийской науки. — 2025. — Т 17. — № s4. — URL: https://esj.today/PDF/08FAVN425.pdf (дата обращения: 21.06.2026).

Применение методов машинного обучения для прогнозирования успешности инновационных проектов

Литвин Андрей Юрьевич
ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации», Москва, Россия
Старший преподаватель кафедры «Менеджмента и инноваций»
E-mail: AYLitvin@fa.ru

Аннотация. Данное исследование посвящено анализу возможностей применения современных методов машинного обучения для повышения точности прогнозирования успешности инновационных проектов в условиях цифровой трансформации экономики. Работа базируется на систематическом анализе актуальных подходов к оценке эффективности инновационных проектов и возможностей интеграции алгоритмов машинного обучения в процессы принятия инвестиционных решений. Исследование демонстрирует, что традиционные методы оценки инновационных проектов, основанные на статистическом анализе и экспертных оценках, имеют ограниченную точность прогнозирования в условиях высокой неопределенности инновационной деятельности. Проведенный анализ показывает, что применение алгоритмов машинного обучения позволяет повысить точность прогнозирования успешности проектов на 25–40 % по сравнению с традиционными подходами. Особую эффективность демонстрируют методы ансамблевого обучения, нейронные сети и алгоритмы глубокого обучения при работе с большими массивами данных о параметрах проектов. Исследование выявляет ключевые факторы успешности инновационных проектов, которые могут быть эффективно анализированы с помощью алгоритмов машинного обучения: характеристики команды проекта, рыночная конъюнктура, технологическая готовность, финансовые параметры и временные характеристики реализации. Предложена комплексная модель прогнозирования успешности инновационных проектов, интегрирующая традиционные методы экономического анализа с современными алгоритмами машинного обучения. Модель включает этапы сбора и предобработки данных, отбора признаков, обучения алгоритмов и интерпретации результатов. Практическая значимость исследования заключается в возможности использования разработанных подходов инвестиционными фондами, венчурными компаниями и корпоративными структурами для повышения эффективности отбора и управления портфелем инновационных проектов. Результаты работы также имеют теоретическую ценность для развития методологии оценки инновационных проектов в условиях цифровизации экономических процессов.

Ключевые слова: машинное обучение; инновационные проекты; прогнозирование успешности; алгоритмы машинного обучения; цифровая трансформация; венчурное финансирование; оценка эффективности проектов; нейронные сети; предиктивная аналитика

Скачать