Система підтримки прийняття рішень в прогнозуванні світового туризму з використанням нейронних мереж глибокого навчання

Скорочена інформація про документ
dc.contributor.advisorДанилов, Валерія Якович
dc.contributor.authorДжалаганія, Борис Ігорович
dc.date.accessioned2025-01-30T10:50:58Z
dc.date.available2025-01-30T10:50:58Z
dc.date.issued2024
dc.description.abstractМагістерська дисертація: с. 90, рис. 12, табл. 22, дод. 1, джерело 16. Обʼєкт дослідження - статистика туристичних потоків Предмет дослідження: застосування методів глибинного навчання та фрактальної інтерполяції в задачі прогнозування в туризмі. Метою роботи є розробка системи підтримки прийняття рішень для туризму що базується на нейронних мережах глибокого навчання, зокрема дослідження ефективності використання фрактально інтерпольованих даних для покращення точності передбачення. Прогнози отримувалися за допомогою глибоких нейронних мереж які були навчені як на регулярних даних, так і на даних що я отримав за допомогою фрактальної інтерполяції. У роботі детально описано суть методів машинного навчання, їх переваги та недоліки а також особливості використання фрактальної інтерполяції для роботи з часовими рядами. Для побудови моделей використовувалась мова програмування Python та її бібліотеки для обробки даних, навчання моделей і візуалізації результатів. Ефективність моделей була оцінена за допомогою метрик помилки, результати подані у вигляді графіків і таблиць. Результатами роботи є система підтримки прийняття рішень яка може використовуватися для аналізу туристичних потоків і допомагати людям у сфері туризму. За допомогою даної СППР користувачі зможуть приймати обґрунтовані рішення для покращення туристичних послуг або оптимізації маршрутів або стратегічного планування.
dc.description.abstractotherMaster's Thesis: pages 90, figures 12, tables 22, appendices 1, references 16. Object of research: tourism flow statistics. Subject of research: application of deep learning methods and fractal interpolation in forecasting tasks in tourism. The goal of the work is to develop a decision support system for tourism based on deep neural networks, specifically investigating the effectiveness of using fractally interpolated data to improve prediction accuracy. Forecasts were generated using deep neural networks trained on both regular data and data obtained through fractal interpolation. The thesis thoroughly describes the essence of machine learning methods, their advantages and disadvantages, as well as the specifics of using fractal interpolation for time-series data. Python programming language and its libraries for data processing, model training, and result visualization were used to build the models. The effectiveness of the models was evaluated using error metrics, and the results are presented in the form of graphs and tables. The results of the work include a decision support system that can be used for analyzing tourism flows and assisting people in the tourism sector. With this DSS, users will be able to make informed decisions to improve tourism services, optimize routes, or engage in strategic planning.
dc.format.extent90 с.
dc.identifier.citationДжалаганія, Б. І. Система підтримки прийняття рішень в прогнозуванні світового туризму з використанням нейронних мереж глибокого навчання : магістерська дис. : 124 Системний аналіз / Джалаганія Борис Ігорович. - Київ, 2024. - 90 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/72294
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectтризм
dc.subjectфрактальна інтерполяція
dc.subjectнейронні мережі
dc.subjectпрогноз
dc.subjecttriz
dc.subjectfractal interpolation
dc.subjectneural networks
dc.subjectforecasting
dc.subject.udc303.732.4
dc.titleСистема підтримки прийняття рішень в прогнозуванні світового туризму з використанням нейронних мереж глибокого навчання
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
Dzhalaganiya_magistr.docx
Розмір:
1.85 MB
Формат:
Microsoft Word XML
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ММСА)
Магістерські роботи