Connectionist-metaheuristic approach to the analysis of the global economy’s investment environment indicators

Abstract

The connectionist-metaheuristic approach solved the urgent task of using new approaches to analyze the foreign direct investment and macroeconomic indicators that affect the volume of their attraction to a particular country in the world economy. The proposed connectionist-metaheuristic system makes it possible to improve the quality of the approximation due to: the simplification of structural identification through the use of only one hidden layer of neural network models; reduction of the computational complexity of parametric identification and the ensuring good scalability through the use of batch mode for non-recurrent neural network models and multi-agent metaheuristics for recurrent neural network models; descriptions of non-linear dependencies through the use of neural network models; high approximation accuracy due to the use of recurrent neural network models; resistance to data incompleteness and data noise due to the use of metaheuristics for parametric identification of recurrent neural network models; lack of requirements for knowledge of distribution, homogeneity, weak correlation, and optimal factors’ choice. In the case of a GPU, an LSTM-based neural network with the highest approximation accuracy should be chosen. For LSTM, the coefficient of determination using the gradient method is 0.785, and using metaheuristics (modified wasp colony optimization) is 0.835. The proposed approach makes it possible to expand the scope of approximation methods’ application based on artificial neural networks and metaheuristics, which is confirmed by its adaptation for an economic problem and contributes to an increase in intelligent computer systems efficiency for general and special purposes.

Актуальне завдання використання нових підходів до аналізу показників прямих іноземних інвестицій та макроекономічних показників, що впливають на обсяги їх залучення в ту чи іншу країну світового господарства, було вирішено за допомогою коннекціоністсько-метаевристичного підходу. У дослідженні використано коннекціоністсько-метаевристичний підхід в ході використання нових підходів до аналізу прямих іноземних інвестицій та макроекономічних показників, що впливають на обсяги їх залучення до тієї чи іншої країни світової економіки. Запропонований коннекціоністсько-метаевристичний підхід дає змогу підвищити якість апроксимації за рахунок: спрощення структурної ідентифікації за рахунок використання лише одного прихованого шару нейромережевих моделей; зниження обчислювальної складності параметричної ідентифікації та забезпечення гарної масштабованості за рахунок використання пакетного режиму для неповторних моделей нейронних мереж і багатоагентних метаевристик для рекурентних моделей нейронних мереж; описів нелінійних залежностей за допомогою нейромережевих моделей; високої точності апроксимації за рахунок використання рекурентних нейромережевих моделей; стійкості до неповноти даних і шуму даних за рахунок використання метаевристик для параметричної ідентифікації рекурентних моделей нейронних мереж; відсутності вимог щодо знання розподілу, однорідності, слабкої кореляції та вибору оптимальних факторів. У ході використання графічного процесора запропоновано вибрати нейронну мережу на основі LSTM, яка має найвищу точність апроксимації. Для LSTM коефіцієнт детермінації за допомогою градієнтного методу становить 0,785, а за допомогою метаевристики (модифікована оптимізація колонії ос) – 0,835. Запропонований підхід дає змогу розширити сферу застосування методів апроксимації на основі штучних нейронних мереж і метаевристик, що підтверджується його адаптацією до економічної задачі, та сприяє підвищенню ефективності інтелектуальних комп’ютерних систем загального та спеціального призначення.