Наукова бібліотека Українського державного університету науки і технологій

Головна

Бази даних

Статті, доповіді, тези- результати пошуку

Вид пошуку

Каталог книг

Каталог книг НМетАУ (до 2022 року)

Періодичні видання (друковані)

Статті, доповіді, тези

Рідкісні та цінні видання

Охоронні документи

Мережеві ресурси

Зона пошуку

Формат представлення знайдених документів:
повний	інформаційний	короткий

Пошуковий запит: <.>K=методология статистического прогнозирования<.>

Загальна кількість знайдених документів : 1

Сігайов, А. О. (доктор економічних наук; НТУУ "Київський політехнічний інститут"; м.Київ; Україна).
Статистичне прогнозування за допомогою моделей нейронних мереж / А. О. Сігайов // Формування ринкових відносин в Україні : Збірник наукових праць. - 2012. - № 11. - С. 102-106. - Бібліогр. в кінці ст. - В ОБЛ. БІБЛІОТЕЦІ

ББК 65.23в7-05
Рубрики: Экономика
   Економіка
   Экономическое прогнозирование
   Економічне прогнозування
   Статистичне прогнозування
Кл.слова (ненормовані):
байесовская методика -- байєсівська методика -- статистическое прогнозирование -- статистичне прогнозування -- статистичне моделювання -- статистическое моделирование -- методология статистического прогнозирования -- методологія статистичного прогнозування -- нелинейное статистическое прогнозирование -- нелінійного статистичного прогнозування -- нейронные сети -- нейронні мережі -- одномерный метод Ньютона -- одновимірний метод Ньютона -- Ньютона одномерный метод -- Ньютона одновимірний метод -- стохастические модели -- стохастичні моделі -- фильтр Калмана -- фільтр Калмана -- Калмана фильтр -- Калмана фільтр -- хаотические временные ряды -- хаотичні часові ряди
Анотація: Нейронні мережі вже давно стали популярним методом нелінійного статистичного прогнозування. В цій роботі досліджується мережа, заснована на стохастичній моделі, що має багаторівневу архітектуру прямого зв'язку з випадковими зв'язками між модулями і частотною характеристикою з перешкодами. Отримана байєсівська методика, виведена шляхом логічного розв'язку для цієї моделі, базується на фільтрі Калмана. Розроблений при цьому алгоритм навчання узагальнєю так званий одновимірний метод Ньютона, що втілює алгортим, популярний нині в літературі з нейронних мереж. У статті представлений чисельний метод прогнозування хаотичних часових рядів з перешкодами і показана більш висока точність прогнозування нового алгоритму порвняно з алгоритмом Ньютона.

Утримувачі документа:
Днепропетровская ЦГБ : г.Днепропетровск, ул. Ленина, 23

Знайти схожі

© Міжнародна Асоціація користувачів і розробників електронних бібліотек і нових інформаційних технологій
(Асоціація ЕБНІТ)