Skip navigation
Please use this identifier to cite or link to this item:
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorБідюк, Петро Іванович-
dc.contributor.authorШляков, Сергій Віталійович-
dc.identifier.citationШляков, С. В. Процеси з довгою пам‘яттю: моделювання і прогнозування : магістерська дис. : 122 Комп'ютерні науки / Шляков Сергій Віталійович. - Київ, 2018. - 119 с.uk
dc.subjectпроцеси із довгою пам‘яттюuk
dc.subjectпоказник ХЕРСТАuk
dc.subjectprocesses with long memoryuk
dc.subjectHERSTA indexuk
dc.titleПроцеси з довгою пам‘яттю: моделювання і прогнозуванняuk
dc.typeMaster Thesisuk
dc.format.page119 с.uk
dc.description.abstractukМагістерська дисертація: 120 с., 14 рис., 23 табл., 1 додаток, 12 джерел. Об’єкт дослідження – процеси з довгою пам‘яттю: моделювання і прогнозування. Предмет дослідження – математичні моделі для опису процесів із довгою пам‘яттю, методи їх прогнозування на основі статистичних даних. Мета роботи – підвищення якості моделей для процесів із довгою пам‘яттю шляхом удосконалення системної методології побудови моделей та комплексного застосування кількох методів інтелектуального аналізу даних. Методи дослідження – ARFIMA – FIAPARCH, ARFIMA – GARCH, KPSS, ADF. Актуальність – побудова моделей, що допоможе при дослідженні та прогнозуванні процесів із довгою пам‘яттю. Проведений аналіз отриманих результатів, виконано аналіз отриманої прогностичної моделі. Шляхи подальшого розвитку предмету дослідження – розвиток методів прогнозування та дослідження процесів із довгою пам‘яттю.uk
dc.description.abstractenMaster’s thesis: 120 p., 14 fig., 23 tabl., 1 appendix, 12 sources. The object of research – processes with long memory: modeling and forecasting. Subject of research – mathematical models for the description of processes with long memory, methods of their forecasting on the basis of statistical data. The purpose of the work is to improve the quality of models for processes with long memory by improving the system methodology of constructing models and the complex application of several methods of data mining. Research methods - ARFIMA - FIAPARCH, ARFIMA - GARCH, KPSS, ADF. Relevance - the construction of models that will help in the study and prediction of processes with long memory. An analysis of the obtained results was carried out, the analysis of the obtained prediction model was performed. Ways of further development of the subject of research - development of methods of forecasting and research of processes with a long
Appears in Collections:Магістерські роботи
Магістерські роботи (ММСА)

Files in This Item:
File Description SizeFormat 
Shliakov_magistr.pdf2.46 MBAdobe PDFThumbnail
Show simple item record

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.