<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE root>
<article xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:ali="http://www.niso.org/schemas/ali/1.0/" article-type="research-article" dtd-version="1.2" xml:lang="en"><front><journal-meta><journal-id journal-id-type="publisher-id">Yugra State University Bulletin</journal-id><journal-title-group><journal-title xml:lang="en">Yugra State University Bulletin</journal-title><trans-title-group xml:lang="ru"><trans-title>Вестник Югорского государственного университета</trans-title></trans-title-group></journal-title-group><issn publication-format="print">1816-9228</issn><issn publication-format="electronic">2078-9114</issn><publisher><publisher-name xml:lang="en">Yugra State University</publisher-name></publisher></journal-meta><article-meta><article-id pub-id-type="publisher-id">630402</article-id><article-id pub-id-type="doi">10.18822/byusu20240190-95</article-id><article-categories><subj-group subj-group-type="toc-heading" xml:lang="en"><subject>CRIMINAL LAW AND CRIMINOLOGY</subject></subj-group><subj-group subj-group-type="toc-heading" xml:lang="ru"><subject>УГОЛОВНОЕ ПРАВО И КРИМИНОЛОГИЯ</subject></subj-group><subj-group subj-group-type="article-type"><subject>Research Article</subject></subj-group></article-categories><title-group><article-title xml:lang="en">Prospects of using neural networks to prevent environmental crime</article-title><trans-title-group xml:lang="ru"><trans-title>Перспективы использования нейронных сетей для предупреждения экологической преступности</trans-title></trans-title-group></title-group><contrib-group><contrib contrib-type="author"><name-alternatives><name xml:lang="en"><surname>Shaposhnikov</surname><given-names>Alexey S.</given-names></name><name xml:lang="ru"><surname>Шапошников</surname><given-names>Алексей Сергеевич</given-names></name></name-alternatives><address><country country="RU">Russian Federation</country></address><bio xml:lang="en"><p>Postgraduate Student</p></bio><bio xml:lang="ru"><p>аспирант</p></bio><email>ShaposhnikovAS@ugra86.ru</email><xref ref-type="aff" rid="aff1"/></contrib></contrib-group><aff-alternatives id="aff1"><aff><institution xml:lang="en">Yugra State University</institution></aff><aff><institution xml:lang="ru">Югорский государственный университет</institution></aff></aff-alternatives><pub-date date-type="pub" iso-8601-date="2024-04-23" publication-format="electronic"><day>23</day><month>04</month><year>2024</year></pub-date><volume>20</volume><issue>1</issue><issue-title xml:lang="en"/><issue-title xml:lang="ru"/><fpage>90</fpage><lpage>95</lpage><history><date date-type="received" iso-8601-date="2024-04-16"><day>16</day><month>04</month><year>2024</year></date><date date-type="accepted" iso-8601-date="2024-04-16"><day>16</day><month>04</month><year>2024</year></date></history><permissions><copyright-statement xml:lang="en">Copyright ©; 2024, Yugra State University</copyright-statement><copyright-statement xml:lang="ru">Copyright ©; 2024, Югорский государственный университет</copyright-statement><copyright-year>2024</copyright-year><copyright-holder xml:lang="en">Yugra State University</copyright-holder><copyright-holder xml:lang="ru">Югорский государственный университет</copyright-holder><ali:free_to_read xmlns:ali="http://www.niso.org/schemas/ali/1.0/"/><license><ali:license_ref xmlns:ali="http://www.niso.org/schemas/ali/1.0/">https://creativecommons.org/licenses/by-sa/4.0</ali:license_ref></license></permissions><self-uri xlink:href="https://vestnikugrasu.org/byusu/article/view/630402">https://vestnikugrasu.org/byusu/article/view/630402</self-uri><abstract xml:lang="en"><p>Subject of research: neural networks as a tool for preventing environmental crime.</p> <p>Purpose of research: based on the analysis of the functional capabilities of neural networks, to propose directions for their application in activities related to the prevention of environmental crime.</p> <p>Methods and objects of research: the methodological basis is presented by the dialectical method of scientific cognition. Private scientific methods of cognition were used in the consideration of the concept of «neural networks» and the disclosure of the functionality of this technology (methods of formal logic), as well as in the study of the prospects for the introduction of neural networks into the activities of law enforcement agencies (formal legal method).</p> <p>Main results of research: among the functional capabilities of neural networks for the prevention of environmental crime, the most effective are data recognition and classification, event forecasting, detection of anomalies in data by processing satellite images. This functionality will allow law enforcement agencies to identify areas of the natural environment that are most susceptible to criminal influence, which, in turn, makes it possible, using a risk-based approach, to prevent the commission of environmental crimes.</p></abstract><trans-abstract xml:lang="ru"><p>Предмет исследования: нейронные сети как инструмент предупреждения экологической преступности.</p> <p>Цель исследования: на основе анализа функциональных возможностей нейронных сетей предложить направления для их применения в деятельности, связанной с предупреждением экологической преступности.</p> <p>Методы и объекты исследования: методологическая основа представлена диалектическим методом научного познания. Частнонаучные методы познания использовались при рассмотрении понятия «нейронные сети» и раскрытии функциональных возможностей данной технологи (методы формальной логики), а также при исследовании перспектив внедрения нейронных сетей в деятельность правоохранительных органов (формально-юридический метод).</p> <p>Основные результаты исследования: среди функциональных возможностей нейронных сетей для целей предупреждения экологической преступности наиболее эффективными являются распознавание и классификация данных, прогнозирование событий, обнаружения аномалий в данных путем обработки космических снимков. Данный функционал позволит правоохранительным органам определять участки природной среды, наиболее подверженные преступному влиянию, что, в свою очередь, дает возможность, используя риск-ориентированный подход, предотвратить совершение экологических преступлений.</p></trans-abstract><kwd-group xml:lang="en"><kwd>environmental crime</kwd><kwd>environmental crimes</kwd><kwd>prevention of environmental crime</kwd><kwd>neural networks</kwd><kwd>natural environment</kwd></kwd-group><kwd-group xml:lang="ru"><kwd>экологическая преступность</kwd><kwd>экологические преступления</kwd><kwd>предупреждение экологической преступности</kwd><kwd>нейронные сети</kwd><kwd>природная среда</kwd></kwd-group><funding-group/></article-meta></front><body></body><back><ref-list><ref id="B1"><label>1.</label><mixed-citation>Уголовный кодекс Российской Федерации : федеральный закон от 13.06.1996 № 63- ФЗ. – Текст : непосредственный // Собрание законодательства Российской Федерации. – 1996. – № 25. – Ст. 2954.</mixed-citation></ref><ref id="B2"><label>2.</label><mixed-citation>Баранова, Д. И. Методы распознавания образов / Д. И. Баранова. – Текст : непосредственный // Современные информационные технологии в образовании и научных исследованиях (СИТОНИ-2019). – 2019. – С. 4–8.</mixed-citation></ref><ref id="B3"><label>3.</label><mixed-citation>Вернер, Н. Н. Цифровые технологии в лесном хозяйстве / Н. Н. Вергер, М. Е. Рудов. – Текст : непосредственный // Повышение эффективности лесного комплекса: материалы Шестой Всероссийской национальной научно-практической конференции с международным участием. – 2020. – С. 31–32.</mixed-citation></ref><ref id="B4"><label>4.</label><mixed-citation>Волков, В. Ю. Роль интеллектуальных систем управления в экологическом мониторинге / В. Ю. Волков и др. – Текст : непосредственный // Вестник Международной академии системных исследований. Информатика, экология, экономика. – 2011. – Т. 13. – №. 1. – С. 179–184.</mixed-citation></ref><ref id="B5"><label>5.</label><mixed-citation>Гурина, А. О. Метод обнаружения аномалий на основе машинного обучения / А. О. Гурина и др. – Текст : непосредственный // Материалы XII мультиконференции по проблемам управления (МКПУ-2019). – 2019. – С. 60–65.</mixed-citation></ref><ref id="B6"><label>6.</label><mixed-citation>Ельчанинова, О. В. Основные детерминанты экологической преступности / О. В. Ельчанинова. – Текст : непосредственный // Правовая охрана окружающей среды: материальные и процессуальные аспекты: сборник статей по материалам межвузовского Круглого стола (посвящается памяти профессора И. А. Соболя). – 2016. – С. 163–166.</mixed-citation></ref><ref id="B7"><label>7.</label><mixed-citation>Заостровский, М. А. Классификация текста с помощью нейронных сетей / М. А. Заостровский, К. В. Санталов, О. В. Панкратьева. – Текст : непосредственный // Актуальные вопросы развития современной цифровой среды. – 2021. – С. 81–87.</mixed-citation></ref><ref id="B8"><label>8.</label><mixed-citation>Зябликова, М. В. Региональные особенности экологической преступности на Северо-Востоке России: автореферат диссертации на соискание ученой степени кандидата юридических наук / М. В. Зябликова. – М., 2013. – 23 с. – Текст : непосредственный.</mixed-citation></ref><ref id="B9"><label>9.</label><mixed-citation>Качков, М. С. Создание нейронной сети для решения различных прикладных задач / М. С. Качков. – Текст : непосредственный // Известия ТулГУ. Технические науки. – 2023. – № 2. – С. 339–343.</mixed-citation></ref><ref id="B10"><label>10.</label><mixed-citation>Кляченков, А. А. Искусственный интеллект и его влияние на охрану окружающей среды / А. А. Кляченков. – Текст : непосредственный // Актуальные исследования. – 2021. – №. 2. – С. 63–66.</mixed-citation></ref><ref id="B11"><label>11.</label><mixed-citation>Костина, Л. Н. Нейронные сети в задачах прогнозирования временных рядов / Л. Н. Костина, Г. А. Гареева. – Текст : непосредственный // Инновационная наука. – 2015. – № 6-2. – С. 70–73.</mixed-citation></ref><ref id="B12"><label>12.</label><mixed-citation>Любимова, Т. В. Решение задачи прогнозирования с помощью нейронных сетей / Т. В. Любимова, А. В. Горелова. – Текст : непосредственный // Инновационная наука. – 2015. – № 4-2. – С. 39–43.</mixed-citation></ref><ref id="B13"><label>13.</label><mixed-citation>Околелова, А. А. Курс лекций по дисциплине «Экология» / А. А. Околелова. Текст : непосредственный // Волгоград: ИУНЛ ВолгГТУ, – 2010. – 64 с.</mixed-citation></ref><ref id="B14"><label>14.</label><mixed-citation>Романов, А. А. О значении исследования латентной экологической преступности / А. А. Романов. – Текст : непосредственный // Научный портал МВД России. – 2017. – № 4 (40). – С. 16–20.</mixed-citation></ref><ref id="B15"><label>15.</label><mixed-citation>Секретарева, К. Н. Влияние цифровизации на экологию / К. Н. Секретарева. Текст : непосредственный // Хроноэкономика. – 2021. – №5 (33). – С. 67–72.</mixed-citation></ref><ref id="B16"><label>16.</label><mixed-citation>Чару, А. Нейронные сети и глубокое обучение / А. Чару. – Текст : непосредственный // Учебный курс. – Москва: Вильямс. – 2020. – 752 с.</mixed-citation></ref><ref id="B17"><label>17.</label><mixed-citation>Якимчук, А. В. Модель оценки и прогнозирования рисков лесных рубок на территории нефтедобывающего региона / А. В. Якимчук. – Текст : непосредственный // Информационные технологии и системы : труды Восьмой Всероссийской научной конференции с международным участием, Ханты-Мансийск, 17–21 марта 2020 года. – Ханты-Мансийск: Автономное учреждение Ханты-Мансийского автономного округа – Югры «Югорский научно-исследовательский институт информационных технологий», 2020. – С. 149–152.</mixed-citation></ref><ref id="B18"><label>18.</label><mixed-citation>Государственный (национальный) доклад о состоянии и использовании земель в Российской Федерации в 2022 году. – URL: https://rosreestr.gov.ru/activity/gosudarstvennoe-upravlenie-v-sfere-ispolzovaniya-i-okhrany-zemel/gosudarstvennyy-natsionalnyy-doklad-o-sostoyanii-i-ispolzovanii-zemel-rossiyskoy-federatsii/ (дата обращения: 05.12.2023). – Текст: электронный.</mixed-citation></ref><ref id="B19"><label>19.</label><mixed-citation>Доклад об экологической ситуации в Ханты-Мансийском автономном округе – Югре в 2022 году. – URL: https://prirodnadzor.admhmao.ru/doklady-i-otchyety/doklad-ob-ekologicheskoy-situatsii-v-khanty-mansiyskom-avtonomnom-okruge-yugre/8998458/2022-god-/ (дата обращения: 05.12.2023). – Текст: электронный.</mixed-citation></ref><ref id="B20"><label>20.</label><mixed-citation>В Верховном суде отметили снижение числа дел об экологических преступлениях. – URL: http://www.supcourt.ru/press_center/mass_media/30585/ (дата обращения: 06.12.2023). – Текст: электронный.</mixed-citation></ref><ref id="B21"><label>21.</label><mixed-citation>Потенциальное применение технологий искусственного интеллекта на благо окружающей среды. – URL: https://www.pwc.by/ru/publications/otherpublications/ai-research-wef.html (дата обращения: 01.12.2023). – Текст: электронный.</mixed-citation></ref></ref-list></back></article>
