Прогнозування часових рядів з використанням методів машинного навчання

Скорочена інформація про документ
dc.contributor.advisorСтіренко, Сергій Григорович
dc.contributor.authorБровченко, Анастасія Вікторівна
dc.date.accessioned2022-02-01T10:49:14Z
dc.date.available2022-02-01T10:49:14Z
dc.date.issued2021-12
dc.description.abstractenThe dissertation is devoted to the research of time series forecasting methods and the development of a hybrid method. The presented method based on the stack combination of RandomForest, CatBoost, LGBM and Ridge regression with Ridge metaregressor allowed to improve the accuracy of the obtained predictions compared to standard neural network methods by combining heterogeneous models on the first level of the stack.uk
dc.description.abstractukДисертація присвячена дослідженню методів прогнозування часових рядів та розробці гібридного методу. Представлений метод на основі стекового поєднання моделей RandomForest, CatBoost, LGBM та регресії Ріджа з метарегресором Ріджа дозволив покращити точність отриманих прогнозів порівняно з стандартними нейромережевими методами за рахунок поєднання гетерогенних моделей на першому рівні стеку.uk
dc.format.page78 с.uk
dc.identifier.citationБровченко, А .В. Прогнозування часових рядів з використанням методів машинного навчання : магістерська дис. : 123 Комп’ютерна інженерія / Бровченко Анастасія Вікторівна. – Київ, 2021. – 78 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/46101
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectчасові рядиuk
dc.subjectпрогнозування часових рядівuk
dc.subjectштучні нейронні мережіuk
dc.subjectмашинне навчанняuk
dc.subject.udc004.4uk
dc.titleПрогнозування часових рядів з використанням методів машинного навчанняuk
dc.typeMaster Thesisuk

Файли

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

Зібрання

Магістерські роботи (ОТ)
Магістерські роботи