List of publications on a keyword: «нейрон»

В данной статье рассматривается прогнозирование курса валют с использованием искусственных нейронных сетей. Для апробации подхода выбран Армянский драм.

В статье рассматривается способ прогнозирования курса валют. Инструментом прогнозирования выступают искусственные нейронные сети. В качестве валюты для численной апробации предложенного подхода выбран доллар США (стоимость в рублях) как самая распространённая валюта в мире.

В данной статье рассматривается метод прогнозирования курса валют с помощью искусственной нейронной сети. В качестве валюты был выбран Белорусский рубль.

В статье рассматривается способ прогнозирования курса валют. Инструментом прогнозирования выступают искусственные нейронные сети. В качестве валюты для численной апробации предложенного подхода выбран Австралийский доллар.

В данной статье рассматривается задача прогнозирования курса валют. В качестве инструмента прогнозирования используется аппарат нейронных сетей. Для численной апробации предложенного аппарата был взят курс Венгерского форинта.

В статье рассматривается вопрос прогнозирования численности популяции. В качестве способов прогнозирования рассматриваются нейронные сети и экспоненциальная модель численности популяции. Проведён сравнительный анализ численных результатов, полученных с использованием рассмотренных способов.

В статье рассматривается задача по прогнозированию требуемой численности специалистов для удовлетворения потребностей рынка труда. Временной интервал прогнозирования составляет 5 лет. В качестве инструмента прогнозирования выступают нейронные сети.

В статье приводится способ прогнозирования численности занятого населения по видам экономической деятельности. В качестве инструмента прогнозирования выступают нейронные сети. В качестве начальных данных используется численность занятого населения по видам экономической деятельности Алтайского края с 2005 по 2014 годы.

В статье приводится сравнение способов прогнозирования численности популяции. Рассматривается два способа прогнозирования: с использованием нейронных сетей и экспоненциальной модели. Численность населения Алтайского края выступает в качестве данных для апробации.

В статье приводится сравнение двух способов прогнозирования: нейронные сети и экспоненциальная модель. В качестве данных для апробации была выбрана численность населения Кемеровской области.

В данной статье представлена задача по прогнозированию требуемого числа занятого населения по специальностям на период в 5 лет. Как инструмент для прогнозирования выступает нейронная сеть.

В статье представлены результаты сравнения способов прогнозирования численности популяции. Используя нейронные сети и экспоненциальную модель, рассмотрены два способа прогнозирования. В качестве данных для апробации взята численность населения Иркутской области.

В данной статье рассматривается задача по прогнозированию необходимого количества специалистов для удовлетворения потребностей рынка труда Иркутской области. Прогнозирование ведётся с использованием нейронных сетей. Интервал для прогнозирования составляет 5 лет.

Данная статья посвящена анализу различных способов прогнозирования численности популяции. В статье рассмотрены два способа прогнозирования, а именно – с применением нейронных сетей и экспоненциальной модели. В качестве исходных данных для апробации используется численность населения Республики Бурятия.

Данная статья посвящена описанию одного из методов прогнозирования с использованием нейронных сетей. Объектом исследования является численность занятого населения Республики Бурятия. Временной шаг прогнозирования составляет 5 лет.

В данной статье автором рассмотрено понятие автоматизированного тестирования для написания лабораторной работы, изучен инструмент для написания и запуска тестовых сценариев для тестирования веб-сайтов.

The article discusses artificial intelligence (AI) at the present stage of development, as a way of presenting and understanding AI as the mechanisms of computers. Features a large bunch of some algorithmic procedures for the solution by computer of a specific task, an example of which can serve as an attempt of modeling of biological neural networks.

The computer program to predict the market value of residential real estate of the city Perm are developed. The program is based on a neural network trained on the results of the information resources available on the estate. After excluding emissions associated with false information, the average relative error of the results of the neural network prediction was 1.03%. The valuing the input parameters was performed using a neural network model.

Процесс обнаружения в «сырых» данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретаций знаний, необходимых для принятия решений в различных сферах человеческой деятельности, представляет собой Data Mining. Основная цель деятельности на рынке Forex – получение прибыли. В статье рассмотрены возможности языка R для прогнозирования валютных курсов с целью создания автоматизированных торговых систем с использованием методов Data Mining.

В данной статье рассматриваются возможности нейросетевого прогнозирования успеваемости студентов на основе интеллектуального анализа довузовских факторов с применением аналитической платформы Deductor Studio, что может способствовать совершенствованию образовательного процесса в вузах и более качественному формированию у студентов профессиональных компетенций.

В статье рассматривается пример использования многослойных нейронных сетей для прогнозирования такой экономической характеристики страны, как валовый национальный продукт на душу населения. Авторы делают вывод, что разработанное программное средство может быть успешно применено для прогнозирования значений ВВП на душу населения.

В статье рассматривается пример использования двухуровневой нейронной сети для распознавания символов. В качестве распознаваемых символов рассматриваются рукописные русские буквы. Инструментом для распознавания выбрана нейронная сеть Кохонена.

В статье рассматривается пример использования многослойных нейронных сетей для прогнозирования временных рядов. В качестве временного ряда рассматривается составная функция, состоящая из тригонометрических элементарных функций. Выбор временного ряда обусловлен тем, что числовая выборка лишена постороннего «шума».

В данной статье рассматривается применение многослойных искусственных нейронных сетей для прогнозирования погоды на примере города Ханты-Мансийск. Нейронные сети выступают как инструмент для разработки эффективных и надежных нелинейных прогнозов погоды.

В статье рассматривается пример использования однослойной нейронной сети для прогнозирования популяции императорских пингвинов. Подразумевается зависимость популяции пингвинов от среднегодовой температуры над поверхностью Антарктиды. В качестве алгоритма обучения однослойной нейронной сети используется алгоритм Видроу-Хоффа.