СОВЕРШЕНСТВОВАНИЕ УЧЕТА ЗАТРАТ НА ХЛЕБОПЕКАРНЫХ ПРЕДПРИЯТИЯХ

Корзоватых Ж.М., Иншакова Т.А.

Email: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Корзоватых Жанна Михайловна – кандидат экономических наук, доцент;

Иншакова Татьяна Александровна – студент,

кафедра бухгалтерского учета, аудита и налогообложения,

институт экономики и финансов,

Государственный университет управления, г. Москва

Аннотация: совершенствование учета затрат и калькулирования себестоимости продукции имеет особое значение для хлебопекарной промышленности как стратегической отрасли российской экономики, которая обеспечивает население необходимым количеством качественной хлебобулочной продукции. Авторами проанализированы отраслевые и технологические особенности производства предприятий хлебопечения, а также разработаны рекомендации по совершенствованию методики учета затрат и калькулирования себестоимости продукции.

Ключевые слова: отрасль, хлебопекарное предприятие, особенности, затраты, калькулирование, себестоимость.

 IMPROVEMENT OF COST OF BAKERY ENTERPRISES

Korzovatykh Z.M., Inshakova T.A. 

Korzovatykh Zhanna Mikhailovna – Candidate of economic Sciences, Associate Professor;

Inshakova Tatyana Alexandrovna – Student,

DEPARTMENT OF ACCOUNTING, AUDITING AND TAXATION,

INSTITUTE OF ECONOMICS AND FINANCE,

STATE UNIVERSITY OF MANAGEMENT, MOSCOW

Abstract: improved system and methods of cost accounting and cost calculation of the finished products is of special importance for the domestic baking industry as a strategic sector of the Russian economy that provides the population with the necessary amount of quality bakery products. The author analyzes sectoral and technological features of production in the baking industry, and also developed recommendations for improving methods of cost accounting and calculation of cost of bakery products.

Keywords: industry, the baking company, features, cost, costing, cost.

 Список литературы / References

1. Серегин C.Н. Пищевая промышленность России - анализ тенденций и стратегические ориентиры развития // Пищевая промышленность, 2013. № 10. С. 8-14. 
2. Иншакова Т.А., Корзоватых Ж.М. Современные проблемы учета затрат и калькулирования себестоимости продукции на хлебопекарных предприятиях // Вестник ГУУ, 2016. № 3. С. 145–148.
3. Корзоватых Ж.М., Иншакова Т.А. Характеристика современного развития хлебопекарных предприятий // Наука и образование сегодня. № 5 (16), 2017. C. 28 – 29.
4. Корзоватых Ж.М., Иншакова Т.А. (Российская Федерация) Классификация затрат на хлебопекарных предприятиях // ECONOMICS. № 5 (26), 2017. C. 70–74.
5. Якунина Е.Н. Повышение эффективности развития пищевой промышленности в России с помощью инструментов стратегического управления // Российское предпринимательство, 2014. № 17. С. 26 – 33.
6. Методические рекомендации по планированию, учету и калькулированию себестоимости продукции на хлебопекарных предприятиях [Электронный ресурс]. Режим доступа: Справочная правовая система «КонсультантПлюс»/ (дата обращения: 01.05.2017).

Ссылка для цитирования данной статьи

		Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.
Корзоватых Ж.М., Иншакова Т.А. СОВЕРШЕНСТВОВАНИЕ УЧЕТА ЗАТРАТ НА ХЛЕБОПЕКАРНЫХ ПРЕДПРИЯТИЯХ // Проблемы современной науки и образования  №19 (101), 2017. - С. {см. журнал}.

ПРОБЛЕМЫ И ПЕРСПЕКТИВЫ СОВЕРШЕНСТВОВАНИЯ НДФЛ В РОССИЙСКОЙ ФЕДЕРАЦИИ

Дуюнова Н.А.

Email: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Дуюнова Ника Александровна – бакалавр экономических наук, кафедра учета, анализа и аудита, Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации, г. Волгоград 

Аннотация: в статье анализируются проблемы и перспективы совершенствования НДФЛ в Российской Федерации. В результате исследования выявлено, что НДФЛ в России следует реформировать, в результате чего в стране может быть достигнуто улучшение демографической и социальной обстановки, а также повышена легализация доходов. Следует сказать, что, несмотря на большое количество публикаций по вопросам налогообложения доходов физических лиц, остается востребованным комплексное научное исследование НДФЛ как инструмента социальной политики государства.

Ключевые слова: НДФЛ, налоги, прогрессивная шкала.

 PROBLEMS AND THE PROSPECTS OF IMPROVEMENT OF A PERSONAL INCOME TAX IN THE RUSSIAN FEDERATION

Duyunova N.A.

Duyunova Nika Alexandrovna– Вachelor of economic sciences, DEPARTMENT OF THE ACCOUNTING OF THE ANALYSIS AND AUDIT, THE RUSSIAN PRESIDENTAL ACADEMY OF NATIONAL ECONOMY AND PUBLIC ADMINISTRATION, VOLGOGRAD

Abstract: the article analyzes problems and the prospects of improvement of a personal income tax in the Russian Federation. As a result of a research it is revealed that the personal income tax in Russia should be reformed therefore in the country improvement of a demographic and social situation can be reached, and also legalization of the income is increased. It is necessary to tell that, despite a large number of publications concerning the taxation of the income of natural persons, there is demanded a complex scientific research of a personal income tax as instrument of social policy of the state.

Keywords: personal income tax, taxes, ascending scale.

Список литературы / References

1. Занина О.В. Фискальная и социальная функция налога на доходы физических лиц // Наука и образование: инновации, интеграция и развитие, 2015. № 1 (2). С. 178-180.
2. Залибекова Д.З. Совершенствование механизма функционирования НДФЛ в России // Гуманитарные, социально-экономические и общественные науки, 2015. № 3-2. С. 148-149.
3. Игнатов А.В. Справедливость налогообложения - фактор экономический // ЭКО, 2005. № 2. С. 21-38.
4. Кадушина А., Михайлова Н. Насколько посильно налоговое бремя (попытка количественного анализа). [Электронный ресурс]. Режим доступа: http://www.cfin.ru/ (дата обращения: 03.04.17).
5. Караваева И.В, Елицур М.Ю. Особенности применения налоговых методов социальной поддержки населения в России // Федерализм, 2012. № 3. С. 131-141;
6. Караваева И.В. Подоходный налог как инструмент социальных преобразований в российском обществе // Вестник Института экономики РАН, 2013. № 6. С. 52 -70.
7. Керимов В.Э. Бухгалтерский учет: учебник. Москва: Дашков и К, 2014. 776 с.
8. Кирова Е.А. Налоговая нагрузка: как ее определять? // Финансы. 2009. № 4.
9. Кондраков Н.П. Бухгалтерский учет (финансовый и управленческий): учебник / Н.П. Кондраков. Москва: ИНФРА-М, 2016. 584 с.
10. Корень А.В., Пономаренко А.Н. Налог на доходы физических лиц как инструмент обеспечения экономической безопасности и устойчивого развития региона // Территория новых возможностей. Вестник Владивостокского государственного университета экономики и сервиса, 2015. № 2 (29). С. 31-38.
11. Королева Л.П., Ермошина Т.В. Анализ влияния норматива отчислений от налога на доходы физических лиц в бюджеты городских округов на уровень их бюджетообеспеченности и привлекательности (на примере городских округов субъектов Приволжского федерального округа РФ) // Налоги и налогообложение, 2014. № 1. С. 7-22.
12. Кузнецова И.Ю. Доминанты повышения эффективности социальной направленности налогообложения доходов физических лиц // Вестник Российской академии государственной службы при Президенте Российской Федерации, 2007. № 2 [Электронный ресурс]. Режим доступа: http://oad.rags.ru/vestnikrags/0506/090501/ (дата обращения 19.05.2017).
13. Кучеров И.И. Налоговое право России: курс лекций. М.: ЮрИнфор, 2012. С. 134.
14. Лапов Д.Е. Преимущества и недостатки прогрессивной шкалы налога на доходы физических лиц // Интернет-журнал Науковедение, 2014. № 6 (25). С. 82.
15. «Налоговый кодекс Российской Федерации (часть вторая)» от 05.08.2000 № 117-ФЗ (ред. от 03.04.2017) (с изм. и доп. вступ. в силу с 04.05.2017). Глава 23. С. 121.

Ссылка для цитирования данной статьи

		Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.
Дуюнова Н.А.  ПРОБЛЕМЫ И ПЕРСПЕКТИВЫ СОВЕРШЕНСТВОВАНИЯ НДФЛ В РОССИЙСКОЙ ФЕДЕРАЦИИ // Проблемы современной науки и образования  №19 (101), 2017. - С. {см. журнал}.

ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ ПРОГРАММНОГО КОМПЛЕКСА ИДЕНТИФИКАЦИИ СЛУЧАЙНЫХ ВРЕМЕННЫХ РЯДОВ НА ОСНОВЕ ГЕНЕТИЧЕСКОЙ НАСТРОЙКИ ПАРАМЕТРОВ

Жуманов И.И., Холмонов С.М.

Email: ЖумановАдрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Жуманов Исраил Ибрагимович – доктор технических наук, профессор,

Холмонов Сунатилло Махмудович – ассистент,

кафедра информационных технологий,

Самаркандский государственный университет,

г. Самарканд, Республика Узбекистан

Аннотация: в статье разработан модифицированный генетический алгоритм (ГА) на основе совмещения, обобщения возможностей и использования свойств генетических операторов эволюционного моделирования. Разработан модифицированный генетический алгоритм, формирующий информативное множество координатных точек в пространстве существования целевой функции идентификации случайных временных рядов (СВР), которые отражают эволюцию и движение точек в сторону оптимальных значений. Предложена методика оптимизации поиска глобального экстремума путем представления общего интервала существования значений переменного параметра в виде сегментов, которые позволяют извлекать нестационарные свойства СВР для выработки специальных правил обработки данных. Исследована эффективность программного комплекса идентификации СВР на основе механизмов настройки параметров по рекуррентным зависимостям, традиционным и модифицированным ГА.

Ключевые слова: нестационарный объект, генетический алгоритм, идентификация, настройка параметров, оператор, диапазон поиска, вероятность решения, число обращений, целевая функция, оптимизация.

 INVESTIGATION OF EFFICIENCY OF THE SOFTWARE FOR IDENTIFICATION OF RANDOM TIME SERIES ON THE BASIS OF GENETIC SETTING OF PARAMETERS

Jumanov I.I., Kholmonov S.M.

Jumanov Isroil Ibragimovich – Doctor of Technical Sciences, Professor;

Kholmonov Sunatillo Mahmudovich – assistant,

INFORMATION TECHNOLOGIES DEPARTMENT,

SAMARKAND STATE UNIVERSUTY,

SAMARKAND, REPUBLIC OF UZBEKISTAN

Abstract: in the article the modified genetic algorithm (GA) is developed on the basis of combination, generalization of possibilities and use of properties of genetic operators from evolutionary modeling. The modified genetic algorithm is developed to form an informative set of coordinate points in existence space of objective function of identifying random time series (RTS), which reflect evolution and movement of points towards optimal values. The technique for optimizing search of global extremum is proposed by presenting the general interval of existence of variable parameter values ​​in the form of segments that allow extraction of non-stationary properties of RTS for developing special data processing rules. The effectiveness of the software complex is studied for identification of RTSs on the basis of mechanisms for tuning parameters by recurrence relations, traditional and modified GA.

Keywords: non-stationary object, genetic algorithm, identification, parameter adjustment, operator, search range, decision probability, number of calls, objective function, optimization.

Список литературы / References

1. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Г.К. Вороновский и др. Харьков/ Основа, 1997. C. 45-67.
2. Джуманов О.И. Система интеллектуального анализа и обработки данных на основе генетических алгоритмов контроля достоверности изображений непрерывных объектов // Х Международная Азиатская школа «Проблемы оптимизации сложных систем»/ Иссык-Кульская область. С. Булан-Соготу, 2014. С. 249-254.
3. Djumanov O.I., Kholmonov S.M. The modified model of training of neural networks in computer industrial systems with modules for nonstationary objects images processing // Control and Management. South Korea, Seoul – Uzbekistan. Tashkent, 2016. № 5. Р. 54-58.

Ссылка для цитирования данной статьи

		Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.
Жуманов И.И., Холмонов С.М. ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ ПРОГРАММНОГО КОМПЛЕКСА ИДЕНТИФИКАЦИИ СЛУЧАЙНЫХ ВРЕМЕННЫХ РЯДОВ НА ОСНОВЕ ГЕНЕТИЧЕСКОЙ НАСТРОЙКИ ПАРАМЕТРОВ // Проблемы современной науки и образования  №19 (101), 2017. - С. {см. журнал}.

ИДЕНТИФИКАЦИЯ ПАРАМЕТРОВ В СИСТЕМАХ МОНИТОРИНГА ПРОИЗВОДСТВЕННО-ТЕХНОЛОГИЧЕСКИХ КОМПЛЕКСОВ НА ОСНОВЕ ГЕНЕТИЧЕСКИХ МЕХАНИЗМОВ РЕГУЛИРОВАНИЯ

Жуманов И.И., Кодиров Б.

Email: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Жуманов Исраил Ибрагимович – доктор технических наук, профессор;

Кодиров Бекмурод – магистрант,

кафедра информационных технологий,

Самаркандский государственный университет,

г. Самарканд, Республика Узбекистан

Аннотация: в статье сформулирована проблема повышения качества идентификации случайных временных рядов (СВР) на основе эффективного поиска глобального и локальных экстремумов целевой функции оптимизации. Предложен новый подход к оптимизации поиска путем использования статистических и динамических характеристик СВР в качестве особей поколения популяции, а также отражения множества координатных точек в пространстве эволюции в сторону оптимальных значений. Определены условия для решения задач регуляции параметров на основе генетических алгоритмов с целью оптимизации идентификации СВР и обработки данных. Реализована интеллектуальная технология идентификации, анализа и обработки данных на основе многослойной нейронной сети с адаптивными алгоритмами обучения.

Ключевые слова: нестационарный объект, эволюционное моделирование, генетический алгоритм, идентификация, настройка параметров, целевая функция, глобальный и локальный экстремумы.

 IDENTIFICATION OF PARAMETERS IN SYSTEMS TO MONITORING MANUFACTURING-TECHNOLOGICAL COMPLEXES ON THE BASIS OF GENETIC MECHANISMS OF REGULATION

Jumanov I.I., Kodirov B.

Jumanov Isroil Ibragimovich – Doctor of Technical Sciences, Professor;

Kodirov Bekmurod – Undergraduate,

INFORMATION TECHNOLOGIES DEPARTMENT,

SAMARKAND STATE UNIVERSUTY,

SAMARKAND, REPUBLIC OF UZBEKISTAN

Abstract: in the article the problem of improving the quality of identification of random time series (RTS) is formulated on the basis of effective search for global and local extremums of objective optimization function. A new approach is proposed to search optimization using the statistical and dynamic characteristics of RTS as individual from population of generation, and to reflection a set of coordinate points in evolution space directly to optimal value. The conditions are determined for solving the problems of regulation of parameters based on genetic algorithms in order to optimize the identification of RTS and data processing. The intellectual technology is implemented for identification, analysis and data processing based on multilayer neural network with adaptive learning algorithms.

Keywords: non-stationary object, evolutionary modeling, genetic algorithm, identification, parameter adjustment, objective function, global and local extremes.

Список литературы / References

1. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Г.К. Вороновский, К.В. Махотило, С.Н. Петрашев, С.А. Сергеев. Харьков. Основа, 1997. С. 45-67.
2. Финн В.К. Об интеллектуальном анализе данных // Новости Искусственного интеллекта, 2004. № 3. С. 3-18.
3. Djumanov O.I. Adaptive designing for neuronetworking system of processing the data with non-stationary nature // “ATI - Applied Technologies & Innovations”. Issue 1. Prague, 2011. Volume 4. Рp. 48-57. 

Ссылка для цитирования данной статьи

		Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.
Жуманов И.И., Кодиров Б. ИДЕНТИФИКАЦИЯ ПАРАМЕТРОВ В СИСТЕМАХ МОНИТОРИНГА ПРОИЗВОДСТВЕННО-ТЕХНОЛОГИЧЕСКИХ КОМПЛЕКСОВ НА ОСНОВЕ ГЕНЕТИЧЕСКИХ МЕХАНИЗМОВ РЕГУЛИРОВАНИЯ // Проблемы современной науки и образования  №19 (101), 2017. - С. {см. журнал}.

МОДИФИЦИРОВАННЫЕ ВЫЧИСЛИТЕЛЬНЫЕ СХЕМЫ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ОПТИМИЗАЦИИ ОБРАБОТКИ ДАННЫХ

Джуманов О.И.

Email: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Джуманов Олимжон Исраилович – кандидат технических наук, доцент, кафедра информационных технологий, Самаркандский государственный университет, г. Самарканд, Республика Узбекистан

Аннотация: в статье разработаны методы адаптивного обучения нейронных сетей (НС) на основе проектирования рациональной архитектуры сети, определения числа слоев, нейронов в слоях, весовых коэффициентов сети по древовидной модели в виде ориентированного графа, в котором узлы соответствуют нейронам, а ребра межнейронным связям. Проанализирована эффективность реализации обобщенного алгоритма идентификации случайных временных рядов на основе НС с учетом влияния алгоритмов отбора, формирования информативных наборов обучающих данных, модифицированного обучения сети с настройкой параметров его структурных компонентов. Реализован комплекс программных модулей идентификации для прогнозирования сложных случайных процессов. Доказана эффективность синтеза алгоритмов извлечения и использования знаний, свойств и особенностей нестационарных объектов, обобщения возможностей НС, настройки параметров структурных компонентов.

Ключевые слова: нестационарный объект, идентификация, обработка данных, случайный временный ряд, настройка параметров, нейронная сеть, обучение, многопараметрический случайный процесс.

MODIFIED CALCULATING SCHEMES OF NEURAL NETWORKS FOR OPTIMIZATION OF DATA PROCESSING

Djumanov O.I.

Djumanov Olimjon Israilovich – PhD in Technical science, Associate Professor, INFORMATION TECHNOLOGIES DEPARTMENT, SAMARKAND STATE UNIVERSUTY, SAMARKAND, REPUBLIC OF UZBEKISTAN

Abstract: methods of adaptive learning of neural networks (NN) based on the design of a rational network architecture, determination of the number of layers, neurons in layers, weight coefficients of a network based on a tree-like model in the form of an oriented graph in which the nodes correspond to neurons, and ribs to inter-neural connections are developed in the article. The efficiency of the implementation of generalized algorithm is analyzed during identification of random time series based on NN taking into account the influence of algorithms for selection, formation of informative sets of training data, modified training of the network with adjustment of structural components parameters. A complex of software with identification modules are realized to predict complex random processes. The efficiency of synthesizing of algorithms for extracting and using knowledge, properties and features of non-stationary objects, generalizing the capabilities of NN, adjusting of structural components parameters is proved.

Keywords: non-stationary object, identification, data processing, random time series, parameter adjustment, neural network, training, multiparameter random process.

Список литературы / References

1. Финн В.К. Об интеллектуальном анализе данных // Новости Искусственного интеллекта, 2004. № 3. С. 3-18.
2. Джуманов О.И., Холмонов С.М. Оптимизация обучения нейросетевой системы обработки информации при распознавании и прогнозировании нестационарных объектов// 4-th International Conference on Application of Information and Communication Technologies, Tashkent. 12-14 Оctober 2010. Section 5. IEEE. Tashkent, 2010. Р. 17-21.
3. Djumanov O.I. Adaptive designing for neuronetworking system of processing the data with non-stationary nature // Peer-reviewed & Open access journal “ATI - Applied Technologies & Innovations”. Issue 1. April. 2011. Prague, 2011. Volume 4. Рp. 48-57. 

Ссылка для цитирования данной статьи

		Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.
Джуманов О.И. МОДИФИЦИРОВАННЫЕ ВЫЧИСЛИТЕЛЬНЫЕ СХЕМЫ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ОПТИМИЗАЦИИ ОБРАБОТКИ ДАННЫХ // Проблемы современной науки и образования  №19 (101), 2017. - С. {см. журнал}.