Кафедра математичних методів системного аналізу (ММСА)
Постійне посилання на фонд
Переглянути
Перегляд Кафедра математичних методів системного аналізу (ММСА) за Ключові слова "004.04"
Зараз показуємо 1 - 4 з 4
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Криптографічні алгоритми для генерації ключів на основі технології Blockchain(КПІ ім. Ігоря Сікорського, 2019-12) Панасюк, Іван Вікторович; Шубенкова, Ірина АнатоліївнаМагістерська дисертація виконана на 66 сторінках, містить 11 ілюстрацій, 25 таблиць. Тема – Криптографічні алгоритми для генерації ключів на основі технології Blockchain. Мета дослідження – Проаналізувавши технологію Blockchain та принципи роботи криптовалюти Bitcoin, поглибленно і всебічно розглянути криптографію як спосіб захисту інвестиційних фінансів для збільшення довіри кінцевого користувача до технології Blockchain. Об’єкт дослідження – технологія Blockchain основуючись на якій створенна більшість із криптовалют. Предмет дослідження – криптографія. Наукова новизна – розробка ПО для генерації біткойн адрес. Продукт підлягає вдосконаленню шляхом прив’язки до будь-якого API(банку, біржи).Документ Відкритий доступ Моделі фінансового ринку на основі агентського підходу(КПІ ім. Ігоря Сікорського, 2019-12) Чумак, Анна Вадимівна; Бідюк, Петро ІвановичМагістерська дисертація виконана на 90 сторінках, містить 12 ілюстрацій, 22 таблиць та 20 джерел. У дисертації досліджується проблема моделювання фінансових ринків. Завдання моделювання є складною проблемою, особливо у випадках, коли фінансові часові ряди демонструють фрактальні властивості. У зв'язку з виниклою незгодою теорії рівноваги за Вальрасом і статистичними закономірностями, що з'являються при дослідженні сучасних даних, розглядаються нові методи аналізу фінансових ринків — агентсько-орієнтоване моделювання та фрактальний аналіз часових рядів. Мета дослідження – дослідити агентсько-орієнтоване моделювання та довести доцільність подальшого використання як інструмента аналітиків, трейдерів та інших осіб, що приймають рішення. Об’єкт дослідження – сучасні моделі фінансового ринку. Предмет дослідження – агентські підході фінансового ринку. Методи дослідження – аналіз моделей, порівняння розробленої поведінки з реальними фінансовими даними. У роботі розглядаються дві агентсько-орієнтовані моделі фондового ринку — модель Сато-Такаясу й узагальнена модель Ізінга.Документ Відкритий доступ Прогнозування індексу акцій на базі хмарних обчислювальних сервісів(КПІ ім. Ігоря Сікорського, 2022-12) Тараненко, Олексій Сергійович; Бідюк, Петро ІвановичТема роботи - Методи та засоби прогнозування індексу акцій на базі хмарних обчислювальних сервісів. Предмет досліджень - багатошарова нейронна мережа, згорткова нейронна мережа та мережа довгої короткочасної пам’яті, хмарні обчислювальні сервіси, Amazon Web Services. Об’єкт дослідження - методи прогнозування акцій на базі хмарних обчислювальних сервісів. Мета роботи - перевірити ефективність прогнозування індексу акцій на базі хмарних обчислювальних сервісів та розробити модель реалізації системи. Актуальність - використання апарату штучних нейронних мереж дає змогу робити більш точні передбачення ціни акцій порівнюючи з іншими технічними методами. Хмарні сервіси забезпечують швидке та гнучке розгортання інфраструктури, забезпечує їх повсякчасну доступність. В ході виконання роботи було реалізовано декілька архітектур нейронних мереж та проведено аналіз результатів їх роботи. Також було cпроектовано систему прогнозування індексу акцій на базі хмарних сервісів. Для покращення результатів у майбутньому можна застосувати Keras Tuner, який автоматично підбирає гіперпараметри нейронної мережі. Також можна використовувати додаткову інформацію про компанію і додавати ці дані до моделей.Документ Відкритий доступ Інтелектуальні засоби підтримки автоматизації управління бізнес процесами(КПІ ім. Ігоря Сікорського, 2024) Тагільцев, Дмитро Ігорович; Мухін, Вадим ЄвгеновичОб’єкт дослідження: методи та моделі організації, управління та аналізу бізнес процесів. Предмет дослідження: моделі нейронних мереж та машинного навчання для прогнозування рівня заробітної плати працівника. Мета роботи: збір та підготовка вхідних даних про працівників та розробка моделей, за допомогою яких можна прогнозувати рівень заробітної плати. Під час виконання роботи були створені моделі машинного навчання та нейронних мереж для прогнозування рівня заробітної плати працівника. Для реалізації програмного продукту було використано мову програмування Python. Моделі розроблялись за допомогою бібліотек scikit-learn та keras. Для навчання моделей використовувався датасет з ресурсу Employee Productivity and Satisfaction HR Data з ресурсу kaggle.