Список публикаций по ключевому слову: «временные ряды»


Экономика (экономическая теория, финансы, бухгалтерский учет, статистика и др.)

Дата публикации: 25.12.2015 г.
Оцените материал Средняя оценка: 0 (Всего: 0)
Потапов Сергей Георгиевич , аспирант
ГБОУ ВО «Самарская государственная областная академия (Наяновой)» , Самарская обл

«Регрессионные модели в задачах прогнозирования объема инвестиций в основной капитал»

Скачать статью

В работе рассмотрено прогнозирование как одна из самых востребованных задач экономики. Автором были исследованы модели наименьших квадратов и скользящего среднего. По данным моделям были построены прогнозы объема инвестиций в основной капитал в миллиардах рублей на 2014 год по исходным данным с2000 по 2013 года за каждый месяц.

Технические науки (электромеханика, приборостроение, машиностроение, металлургия и др.)

Дата публикации: 15.12.2015 г.
Оцените материал Средняя оценка: 0 (Всего: 0)
Косыгин Алексей Николаевич , студент
Татьянкин Виталий Михайлович , старший преподаватель
ФГБОУ ВО «Югорский государственный университет» , Ханты-Мансийский Автономный округ - Югра АО

«Пример прогнозирования временных рядов с помощью многослойной нейронной сети»

Скачать статью

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».

Дата публикации: 15.12.2014 г.
Оцените материал Средняя оценка: 0 (Всего: 0)
Татьянкин Виталий Михайлович , старший преподаватель
ФГБОУ ВО «Югорский государственный университет» , Ханты-Мансийский Автономный округ - Югра АО

«Использование многослойных нейронных сетей в прогнозирование временных рядов»

Скачать статью

В статье рассматривается прогнозирование временных рядов, которые определяются многофакторными, нелинейными, математическими моделями. Предлагается для этого использовать многослойные нейронные сети, так как это позволит избежать выбора модели, который требуется в классическом подходе к прогнозированию, что повысит эффективность прогнозирования временных рядов.