Сформулированы цель, задачи, приоритеты развития инвестиционной сферы Гомельской области, а также ключевые направления их реализации. Новизна полученных результатов заключается, во-первых, в определении направлений развития инвестиционной сферы региона с учетом ВЭД его
специализации, во-вторых, в согласовании цели, задач и приоритетов развития инвестиционной сферы региона с аналогичными положениями на национальном уровне, в-третьих, конкретизации направлений развития инвестиционной сферы региона до уровня инвестиционных проектов.

In this article the authors formulate the goal, objectives, priorities of development of the investment
sphere of the Gomel region, as well as key directions of their implementation. The novelty of the obtained
results lies, firstly, in defining the directions of development of the investment sphere of the region taking into
account the foreign economic activity of its specialization. Secondly, it is about coordinating the goal,
objectives and priorities of development of the region investment sphere with similar provisions at
the national level. Thirdly, it concerns specifying the directions of development of the region investment
sphere to the level of investment projects.

Моделирование реальных физических или технических
механических систем включает широкое использование программных
пакетов, которые в основном базируются на методе конечных
элементов для решения краевых задач. Последние достижения в
области алгоритмов машинного обучения и их успешное применение в
различных областях демонстрируют, что при правильном обучении
эти модели могут значительно улучшить традиционные методы. В
данной работе предложена и апробирована архитектура нейронной
сети прямого распространения для моделирования прогибов тонкой
пластины под действием равномерно распределенной нагрузки.

Modeling of real physical or technical mechanical systems
involves the widespread use of software packages, which are mainly based
on the finite element method for solving boundary value problems. Recent
advances in machine learning algorithms and their successful application in
various fields demonstrate that, with proper training, these models can
significantly improve traditional methods. In paper, we propose and test the
architecture of a direct distribution neural network for modeling deflections
of a thin plate under the action of a uniformly distributed load.