Нейромережевий вибір найкращої моделі прогнозування

Скорочена інформація про документ
dc.contributor.advisorЖиров, Олександр Леонідович
dc.contributor.authorРоманчук, Юрій Юрійович
dc.date.accessioned2021-04-06T09:38:01Z
dc.date.available2021-04-06T09:38:01Z
dc.date.issued2020
dc.description.abstractenMaster's thesis:91 pp., 15 fig., 18 tabl., 1 application, 17 sources. The theme of my master's thesis is «Neural network selection of the best forecasting model». The purpose of the work is to develop a program for choosing the best model among the proposed neural networks The object of the work is neural networks, their capabilities and prospects in the field of forecasting. The subject of the work - models and methods of application of neural networks for forecasting tasks, ways to improve existing methods and forecasting systems. To achieve this goal, the following tasks were set: 1. Review of the subject area and analysis of existing solutions, architectures neural networks; 2. Development of new approaches to forecasting based on use elements of artificial intelligence; 3. Development of a software package that will provide ease of use existing and developed methods for solving the problem of forecasting time series. The software product is implemented using the Python programming language which provides a wide range of libraries for data processing and analysis.uk
dc.description.abstractukМагістерська дисертація:91 с., 15 рис., 18 табл., 1 додаток, 17 джерел. Тема магістерської дисертації «Нейромережевий вибір найкращої моделі прогнозування». Мета роботи — розробка програми для вибору найкращої моделі серед запропонованих нейромереж Об’єкт дослідження - нейронні мережі, їх можливості та перспективи у сфері прогнозування. Предмет дослідження - моделі та методи застосування нейронних мереж для задач прогнозування, шляхи покращення існуючих методів та систем прогнозування. Для досягнення мети були поставлення наступні задачі: 1. Огляд предметної області та аналіз існуючих рішень, архітектур нейромереж; 2. Розробка нових підходів до прогнозування на основі використання елементів штучного інтелекту; 3. Розробка програмного комплексу, що забезпечуватиме просте використання існуючих та розроблених методів для вирішення задачі прогнозування часових рядів. Програмний продукт реалізовано з використанням мови програмування Python який надає широкий спектр бібліотек для обробки та аналізу даних.uk
dc.format.page91 с.uk
dc.identifier.citationРоманчук, Ю. Ю. Нейромережевий вибір найкращої моделі прогнозування : магістерська дис. : 124 Системний аналіз / Романчук Юрій Юрійович. – Київ, 2020. – 91 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/40431
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectнейронні мережіuk
dc.subjectобробка данихuk
dc.subjectтензорuk
dc.subjectпрогнозуванняuk
dc.subjectмашинне навчанняuk
dc.subjectneural networksuk
dc.subjectdata processinguk
dc.subjecttensoruk
dc.subjectforecastinguk
dc.subjectmachine learninguk
dc.subject.udc004.896uk
dc.titleНейромережевий вибір найкращої моделі прогнозуванняuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Romanchuk_magistr.pdf
Розмір:
1.41 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.01 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ММСА)
Магістерські роботи