ECONOMIC-MATHEMATICAL MODELS ЭКОНОМИКО-МАТЕМАТИЧЕСКИЕ МОДЕЛИ КОРРЕКТНАЯ ПОСТАНОВКА ОБРАТНЫХ ЗАДАЧ ВОССТАНОВЛЕНИЯ МНОГОМЕРНЫХ ФУНКЦИЙ ЧЕРЕЗ НЕЙРОСЕТЕВЫЕ МОДЕЛИ В БЮДЖЕТНОМ АДМИНИСТРИРОВАНИИАннотация. Объектом рассмотрения настоящей работы является весьма глубокое проникно-вение требований эффективного обучения нейросетей в алгоритмы предпроцессорной обработки. Разработан метод оценки адекватности нейросетевых моделей в отсутствии каких-либо априорных сведений о законе распределения шумов в данных. Именно это и является научной новизной данной статьи, т. к. данный метод позволяет взаимосвязано управлять качеством предпроцессорной об-работки финансовых данных и качеством их аппроксимации в нейросети для бюджетных органов. Предлагается рассматривать класс задач бюджетного администрирования, для которого зашумле-ние данных достаточно большое, поэтому необходимость регуляризации задач восстановления гиперповерхности -необходимая предпосылка эффективности гибридных моделей. В частности указывается, что игнорировать некорректность постановки задачи нельзя. Для ее преодоления име-ются два пути: введение обратной задачи в класс корректных (условно корректных по Тихонову) путем привлечения дополнительной информации об искомом решении ( ) Z X  , либо управление классическими алгоритмами решения некорректно поставленных задач. Оба пути основаны на до-стижениях главным образом отечественных ученых. Существующие регуляризирующие алгоритмы используют исходную базу данных как некоторую внешнюю неизменную «данность». В статье на содержательном практическом примере предложен системный подход к проблеме обеспечения устойчивости нейросетевого отображения при восстановлении гиперповерхности ) (X Y  с сильным зашумлением данных на основе теории регуляризации по А.Н. Тихонова, а также байесовского подхода. Суть этого метода состоит в том, что для обеспечения состоятельности алгоритма регуля-ризации обратной задачи по А.Н. Тихонову база исходных данных не используется как некоторая «застывшая» категория, а подвергается предобработке (структурированию) с использованием общесистемных законов кибернетики (закона энтропийного равновесия открытой системы, не-полного подавления дисфункций структурированной системы, резервирования). Таким образом, цель исследования достигнута -суть предполагаемого подхода детализирована и реализована в практической концепции «регуляризация» в данном исследовании с помощью операций алгоритма при построении нейросетевой модели.Ключевые слова: доходная часть бюджета; бюджетополучатели; нейросетевая модель (НСМ); интерпретация; налоговые и неналоговые доходы; сеть регуляризации. 228Bulletin of Ural Federal University. Series Economics and Management. 2017. Vol. 16. No 2. PP. 227-245 Вестник УрФУ. Серия экономика и управление. 2017. Том 16. № 2. С. 227-245 DOI: 10.15826/vestnik.2017.16.2.012 Biryukov A.N., Gluschenko O.I. Бирюков А.Н., Глущенко О.И. Актуальность темы исследованияАктуальной проблемой остается совер-шенствование технологии планирования доходной части бюджета любого уровня. Современная деятел...