• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • A
  • A
  • A
  • A
  • A
Обычная версия сайта
  • RU
  • EN
  • Национальный исследовательский университет «Высшая школа экономики»
  • Публикации ВШЭ
  • Статьи
  • ПРОГНОЗИРОВАНИЕ ВРЕМЕННЫХ РЯДОВ: УЛУЧШЕНИЕ LSTM-МОДЕЛЕЙ С ПОМОЩЬЮ ВЕКТОРНО-ВРЕМЕННОГО КОДИРОВАНИЯ
  • RU
  • EN
Расширенный поиск
Высшая школа экономики
Национальный исследовательский университет
Приоритетные направления
  • бизнес-информатика
  • государственное и муниципальное управление
  • гуманитарные науки
  • инженерные науки
  • компьютерно-математическое
  • математика
  • менеджмент
  • право
  • социология
  • экономика
по году
  • 2027
  • 2026
  • 2025
  • 2024
  • 2023
  • 2022
  • 2021
  • 2020
  • 2019
  • 2018
  • 2017
  • 2016
  • 2015
  • 2014
  • 2013
  • 2012
  • 2011
  • 2010
  • 2009
  • 2008
  • 2007
  • 2006
  • 2005
  • 2004
  • 2003
  • 2002
  • 2001
  • 2000
  • 1999
  • 1998
  • 1997
  • 1996
  • 1995
  • 1994
  • 1993
  • 1992
  • 1991
  • 1990
  • 1989
  • 1988
  • 1987
  • 1986
  • 1985
  • 1984
  • 1983
  • 1982
  • 1981
  • 1980
  • 1979
  • 1978
  • 1977
  • 1976
  • 1975
  • 1974
  • 1973
  • 1972
  • 1971
  • 1970
  • 1969
  • 1968
  • 1967
  • 1966
  • 1965
  • 1964
  • 1963
  • 1958
  • еще
Тематика
Новости
9 июля 2026 г.
При взгляде на свое лицо мужчины забывают обо всем
В эксперименте с участием 15 здоровых мужчин ученые НИУ ВШЭ проанализировали, как фазы сердечного цикла влияют на возбудимость моторной коры, когда человек смотрит на собственную фотографию или лица незнакомых людей. Исследователи обнаружили, что в случае с собственным изображением мозг слабее считывает сигналы сердца — их влияние на кору снижается, хотя ожидалось, что внимание к себе, наоборот, усилит чувствительность к внутренним сигналам тела. Исследование опубликовано в журнале Frontiers in Signal Processing.
9 июля 2026 г.
Новый метод НИУ ВШЭ и Т-Технологий повышает качество работы ИИ
Ученые из лаборатории научных исследований «Т-Технологий» и Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ разработали новый метод семплирования для моделей маскированной диффузии — G-Star+. Он помогает быстрее и качественнее исправлять ошибки во время генерации текста и кода за небольшое число шагов. Метод показал эффективность в задачах генерации текста и кода и может применяться там, где генеративным моделям нужно быстро и качественно создавать текст или код при ограниченных вычислительных ресурсах.
7 июля 2026 г.
ИИ в повседневной жизни: 6 сценариев для экономии времени
По данным ряда консалтинговых компаний, сотрудники тратят в среднем около четверти рабочего времени на обработку электронной почты и поиск информации. Нейросети закрывают простые, но времязатратные дела: суммируют длинные документы за секунды, генерируют черновики писем, структурируют заметки. Но, чтобы успешно автоматизировать рутину, нужно понимать, как встраивать в нее искусственный интеллект. С помощью экспертов факультета компьютерных наук ВШЭ разбираем шесть сценариев с конкретными промтами и инструментами, которые помогут сохранить вам силы.

 

Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!

Публикации
  • Книги
  • Статьи
  • Главы в книгах
  • Препринты
  • Верификация публикаций
  • Расширенный поиск
  • Правила использования материалов
  • Наука в ВШЭ

?

ПРОГНОЗИРОВАНИЕ ВРЕМЕННЫХ РЯДОВ: УЛУЧШЕНИЕ LSTM-МОДЕЛЕЙ С ПОМОЩЬЮ ВЕКТОРНО-ВРЕМЕННОГО КОДИРОВАНИЯ

Научный журнал. Инженерные системы и сооружения. 2025. С. 148–154.
Саввин Н. В.

В работе предложен метод повышения точности прогнозирования временных рядов с использованием векторно-временного кодирования для улучшения LSTM-моделей. Показано, что простая однонаправленная LSTM с правильным кодированием временных признаков может превзойти сложные архитектуры, такие как Bi-LSTM и CNN-LSTM. Подчёркивается важность представления временных данных для эффективности нейросетей. Метод протестирован на задаче краткосрочного прогноза электропотребления (5 минут, горизонт 24 часа). Также разработан облачный интерфейс для визуализации результатов.

Язык: русский
DOI
Текст на другом сайте
Ключевые слова: прогнозирование временных рядов
Похожие публикации
ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ЭНЕРГОПОТРЕБЛЕНИЯ КЛАСТЕРОМ ЗДАНИЙ УНИВЕРСИТЕТСКОГО КАМПУСА
Саввин Н. В., Васенин Д. Н., Головинский П. А., Системы управления и информационные технологии 2022 С. 92–99
Представлена система имитационного моделирования для прогнозирования потребления электроэнергии кластером зданий на основе поведения потребителей. Модель основана на алгоритмах, моделирующих энергопотребление зданий, и статистических моделях, представляющих поведение пользователей. ...
Добавлено: 23 октября 2025 г.
Прогнозирование энергопотребления на основе автоматического машинного обучения
Данилов К. В., Автоматизация. Современные технологии 2020 Т. 74 № август 2020 С. 402–407
Рассмотрена задача прогнозирования энергопотребления на основе автоматического машинного обучения. Приведена схема процесса автоматического создания и применения модели прогнозирова ния. Предлагаемый подход апробирован на основе данных о потреблении электроэнергии в регионах России. Проведённый вычислительный эксперимент показал высокую эффективность разработан ной модели. Точность прогнозирования составила 97...99 %. ...
Добавлено: 13 июня 2022 г.
Некоторые подходы к моделированию отдельных макроэкономических показателей
Астафьева Е.В., Дробышевский С.М., Идрисов Г.И. и др., М.: Издательство Института Гайдара, 2019.
В настоящее издание вошли три работы ведущих специалистов Института Гайдара, подготовленные по результатам научно-исследовательских работ института в 2018 г. В первой работе предложено развитие методики декомпозиции темпов роста ВВП России. Проведен расчет показателей структурной безработицы и совокупной факторной производительности для российской экономики. В рамках различных сценариев макроэкономической динамики на 2019–2024 гг. получены оценки структурной, внешнеторговой ...
Добавлено: 31 октября 2019 г.
Можно ли снять «проклятие размерности»? Пространственные спецификации многомерных моделей волатильности
Лакшина В. В., Прикладная эконометрика 2014 Т. 36 № 4 С. 61–78
Статья посвящена задаче оценки многомерной волатильности портфеля, состоящего из двадцати акций американских компаний. Сформулированы и оценены шесть спецификаций многомерных моделей волатильности: BEKK, GO-GARCH и ССС, показано, что пространственные спецификации многомерных моделей волатильности позволяют снизить размерность задачи и в некоторых случаях превосходят общие спецификации при внутривыборочном и вневыборочном сравнениях. ...
Добавлено: 2 октября 2014 г.
МЕТОДЫ СОЦИАЛЬНО-ЭКОНОМИЧЕСКОГО ПРОГНОЗИРОВАНИЯ В 2 Т. Т.2 МОДЕЛИ И МЕТОДЫ. Учебник и практикум для академического бакалавриата
Светуньков С. Г., М.: Юрайт, 2016.
В учебнике рассмотрены современные методы и модели социально-экономического прогнозирования, чаще всего используемые на практике. Существенная часть экономических решений нацелена на получение результатов в будущем, поэтому для принятия верного управленческого решения необходимо грамотное социально-экономического прогнозирование, невозможное без знания соответствующих методов и моделей. В связи с этим обязательным условием подготовки высококвалифицированного экономиста и менеджера является изучение им ...
Добавлено: 25 июля 2014 г.
  • О ВЫШКЕ
  • Цифры и факты
  • Руководство и структура
  • Устойчивое развитие в НИУ ВШЭ
  • Преподаватели и сотрудники
  • Корпуса и общежития
  • Закупки
  • Обращения граждан в НИУ ВШЭ
  • Фонд целевого капитала
  • Противодействие коррупции
  • Сведения о доходах, расходах, об имуществе и обязательствах имущественного характера
  • Сведения об образовательной организации
  • Людям с ограниченными возможностями здоровья
  • Единая платежная страница
  • Работа в Вышке
  • ОБРАЗОВАНИЕ
  • Лицей
  • Довузовская подготовка
  • Олимпиады
  • Прием в бакалавриат
  • Вышка+
  • Прием в магистратуру
  • Аспирантура
  • Дополнительное образование
  • Центр развития карьеры
  • Бизнес-инкубатор ВШЭ
  • Образовательные партнерства
  • Обратная связь и взаимодействие с получателями услуг
  • НАУКА
  • Научные подразделения
  • Исследовательские проекты
  • Мониторинги
  • Диссертационные советы
  • Защиты диссертаций
  • Академическое развитие
  • Конкурсы и гранты
  • Внешние научно-информационные ресурсы
  • РЕСУРСЫ
  • Библиотека
  • Издательский дом ВШЭ
  • Книжный магазин «БукВышка»
  • Типография
  • Медиацентр
  • Журналы ВШЭ
  • Публикации
  • http://www.minobrnauki.gov.ru/
    Министерство науки и высшего образования РФ
  • https://edu.gov.ru/
    Министерство просвещения РФ
  • https://elearning.hse.ru/mooc
    Массовые открытые онлайн-курсы
  • НИУ ВШЭ1993–2026
  • Адреса и контакты
  • Условия использования материалов
  • Политика конфиденциальности
  • Правила применения рекомендательных технологий в НИУ ВШЭ
  • Карта сайта
Редактору