Страница автора: Деркач Андрей Константинович

Формирование в рамках ЕАЭС цифровой модели повышения прозрачности и успешности обеспечения контроля движения активов между участниками товарных, финансовых и имущественных сделок

DOI: 10.33917/mic-2.91.2020.5-12

В статье рассматриваются проблемы формирования цифровой модели повышения прозрачности и успешности обеспечения контроля движения активов между участниками товарных, финансовых и имущественных сделок в рамках финансовой системы ЕАЭС. Предлагается обеспечить повышение наблюдаемости любых сегментов финансовой системы, которую можно цифровым образом структурировать путем электронной цифровой идентификации каждой денежной единицы в доступных для мониторинга пространствах движения товарных, финансовых и имущественных активов. Получаемые результаты анализа могут быть использованы для оптимизации операционной динамики электронных транзакций явных альянсов и неформальных картелей финансовых агентов в наблюдаемом пространстве цифровых форматов финансовых коммуникаций с учетом движения финансовых средств в различной форме и номинированных в различных валютах.

Источники:

1. Агеев А.И., Радина В.А. Методика цифровой экономики в части управления и контрольной деятельности в реальном секторе экономики //Экономические стратегии. 2019. Т. 21. № 3 (161). С. 44-56. 

2. Агеев А.И., Ворожихин В.В., Кузык Б.Н., Махутов Н.А., Побываев С.А. Проблемы развития торговой, клиринговой, расчетной и платежной систем, обеспечивающих оптимизационное взаимодействие российских финансовых институтов и хозяйствующих субъектов //Стратегические тренды трансформации социально-экономических систем в рамках цифровой экономики/Материалы международной научно-практической конференции. М.: ИПР РАН, 2018. С. 7-9.

3. Агеев А.И., Логинов Е.Л., Махутов Н.А., Побываев С.А. Формирование системных механизмов защиты российских валютно-финансовых ресурсов в условиях спекулятивного манипулирования мировыми финансовыми рынками // Конкурентоспособность в глобальном мире: экономика, наука, технологии. 2017. № 7-2 (54). С. 8-11.

Сетевое нейрокогнитивное управление сложноорганизованными структурами с политической компонентой в нечетких информационных средах

В статье рассматривается организация информационно-сетевых мероприятий, ориентированных на защиту ключевых точек политического управления жизненно важными функциями государства на основе информационно-вычислительных инструментов оперирования рабочими параметрами нейросетевого мониторинга и изучения совокупности данных о процессах, влияющих на личность. Обоснована необходимость использования интеллектуальных средств нечеткой логики и нейронных сетей для поддержки государственных систем контрразведки, наблюдения и политического управления в отношении субъектов, доступных для идентификации, цифрового описания и анализа их социопатичности по отношению к государственным институтам политического управления. Осуществляется нейросетевой синтез цифровых матриц ключевых когнитивных и психосемантических показателей отдельных людей и их групп для выявления реакций на пакет политической информации любого, пользующегося электронными коммуникативными сервисами, субъекта. На этой основе реализуются меры по управлению метастабильными состояниями его личности и конфигурирования когнитивных и психосемантических механизмов интерпретации действительности в условиях доминирования неучтенных факторов информационного характера (информационные раздражители).

Источники:

1.    Агапов В.С., Хаидов С.К. Корреляты показателей когнитивного компонента системы личностно-профессиональных качеств муниципальных служащих // Акмеология. 2015. № 4 (56). С. 46-51.

2.    Агеев А.И., Логинов Е.Л. Нейроменеджмент личности. М.: Институт экономических стратегий, 2019. 290 с.

3.    Агеев А.И., Логинов Е.Л., Шкута А.А. Конвергентный мониторинг и программирование личности как инструмент оперирования интеллектуальной динамикой поведения больших групп людей // Экономические стратегии. 2018. Т. 20. № 2 (152). С. 70-87.

4.    Вайднер Е.В., Толмачев А.В. Социологический анализ методов государственных переворотов // Наука и Образование. 2019. № 2. С. 369.

5.    Евсеев В.О. Моделирование вероятности государственно-политических переворотов и их экономических последствий // ЦИТИСЭ. 2019. № 2. С. 11.

6.    Иванова М.И., Мощенко И.Н. Анализ групповой протестной активности // Инженерный вестник Дона. 2015. № 3 (37). С. 78.

7.    Корниенко О.Ю. Нейролингвистическое программирование в маркетинге и СМИ // Экономика и управление: проблемы, решения. 2016. Т. 2. № 7. С. 117-121.

8.    Коротаев А.В., Цирель С.В., Билюга С.Э. Kоррупция, ценности и попытки насильственных изменений государственной власти в странах с различным уровнем ВВП на душу населения: опыт количественного компаративного и корреляционного анализа // Сравнительная политика. 2019. Т. 10. № 1. С. 98-123.

9.    Котельникова Е.В. Ситуационное когнитивное моделирование синтетической групповой коммуникации // Национальная Ассоциация Ученых. 2015. № 2-7 (7). С. 51-54.

10. Литовкин Д.В., Аникин А.В., Кульцова М.Б., Ляпина О.Н. Построение онтологического представления когнитивно-информационного пространства для задачи тематического поиска // Известия Волгоградского государственного технического университета. 2015. № 13 (177). С. 69-74.

11. Логинов Е.Л., Райков А.Н., Шкута А.А. Использование нейротехнологий при программировании когнитивно-поведенческих стереотипов действий личностей для устойчивого функционирования систем управления социумом // Нейрокомпьютеры: разработка, применение. 2018. № 9. С. 34-45.

12. Лосева Е.Д., Антамошкин А.Н. Алгоритм автоматизированного формирования ансамблей нейронных сетей для решения сложных задач интеллектуального анализа данных // Известия Тульского государственного университета. Технические науки. 2017. № 4. С. 234-243.

13. Манойло А.В. Концептуальные и организационные основы противодействия цветным революциями в Российской Федерации и на постсоветском пространстве // Мировая политика. 2016. № 1. С. 1-5.

14. Морева Г.И., Сотруева В.Б. Ценностные ориентиры и личностная зрелость у молодых людей с разной степенью политической активности // Вестник Тюменского государственного университета. Гуманитарные исследования. Humanitates. 2016. Т. 2. № 1. С. 239-252.

15. Муравьева С.В., Пронина М.В., Моисеенко Г.А., Пневская А.Н., Поляков Ю.И., Кропотов Ю.Д., Пронин С.В., Шелепин Е.Ю., Шелепин Ю.Е. Исследование зрительных когнитивных нарушений при шизофрении на ранних стадиях заболевания и их коррекция при помощи интерактивных виртуальных сред // Физиология человека. 2017. Т. 43. № 6. С. 24-36.

16. Назаров А.Н., Назаров М.А., Пантюхин Д.В., Сычев А.К., Покрова С.В. Автоматизация процедур мониторинга в web-пространстве на основе нейро-нечёткого формализма // T-Comm: телекоммуникации и транспорт. 2015. №8. С.26-33.

17. Пак Н.И., Степанова Т.А., Гаврилова И.В. Ментальная платформа развития многомерного алгоритмического мышления // Педагогическая информатика. 2018. № 4. С. 25-37.

18. Расследование Das Magazin: как BIG DATA и пара ученых обеспечили победу Трампу и Brexit [Электронный ресурс] // https://theins.ru/politika/38490 (Дата обращения: 20.08.2019).

19. Семченков А.С. Технологии противодействия внутренним и трансграничным угрозам политической стабильности // Новая наука: От идеи к результату. 2016. № 2-3. С. 53-56.

20. Сиражудинова С.В. Управление конфликтом: протестная политика и гражданское общество в современном мире // Информационные войны. 2016. № 4 (40). С. 37-42.

21. Толстых Н.Н., Степанец Ю.А., Мордовин А.И., Ролдугин Н.Г., Артемов М.В., Поздышева О.В. Концепция перехвата управления инфокоммуникационной системы // Специальная техника. 2017. № 1. С. 30-38.

22. Улюкин И.М., Киселева Н.В., Костин Д.В., Березовский А.В., Орлова Е.С. Структура личности у лиц молодого возраста // Вестник Российской военно-медицинской академии. 2019. № 1 (65). С. 153-156.

23.Фомин В.Н. Рекуррентное оценивание и адаптивная фильтрация. М.: Наука. Гл. ред. физ.-мат. лит., 1984. 288 с.