Recognition of 3′-end L1, Alu, processed pseudogenes, and mRNA stem-loops in the human genome using sequence-based and structure-based machine-learning models

Данная работа посвящена анализу финансовых кризисов. Рассматриваются различные классификации кризисов, методы их прогнозирования, подходы к составлению системы опережающих индикаторов. Для лучшего понимания возможностей прогнозирования финансовых кризисов проводится собственное эмпирическое исследование по развивающимся странам с использованием традиционного эконометрического подхода для предсказания валютных кризисов и метода случайного леса. Выявлены наиболее значимые переменные, изменение которых может сигнализировать о ...

Добавлено: 12 февраля 2026 г.

Iterative Ricci-Foster Curvature Flow with GMM-Based Edge Pruning: A Novel Approach to Community Detection

Сорокин К. С., Бекетов М. Е., Онучин А. и др., / arxiv.org. Серия cs.SI "Social and Information Networks ". 2025.

Обнаружение сообществ в сложных сетях — фундаментальная проблема, открытая для новых подходов в различных научных областях. Мы представляем новый метод обнаружения сообществ, основанный на потоке Риччи на графах. Наша техника итеративно обновляет веса ребер (их метрические длины) в соответствии с их (комбинаторной) версией кривизны Риччи Фостера, вычисленной на основе эффективного расстояния сопротивления между узлами. Известно, ...

Добавлено: 15 января 2026 г.

Implementing Transport Coding in OMNeT++ for Message Delay Reduction

Петрованов И. С., Сергеев А. В., / Series Computer Science "arxiv.org". 2025. No. 2512.18332.

Добавлено: 24 декабря 2025 г.

Hessian-based lightweight neural network for brain vessel segmentation on a minimal training dataset

Меньшиков И. А., Бернадотт А. К., Елфимов Н. С., / Series arXie "Statistical mechanics". 2025.

Добавлено: 1 декабря 2025 г.

Эффективный алгоритм торговли на фондовом рынке: ретроспективный анализ, основанный на данных по S&P-500.

Рубчинский А. А., Чубарова Д. А., / Series WP7 "Математические методы анализа решений в экономике, бизнесе и политике". 2025. No. WP7/2025/01.

Добавлено: 9 ноября 2025 г.

Прогнозирование цен на золото с использованием алгоритмов нейросетей

Солдатова А. О., Финансы, деньги, инвестиции 2023 № 4 С. 9–15

Стоимость золота - важнейший экономический индикатор. Ожидания роста инфляции и повышения ключевых ставок со стороны Центральных банков формируют интерес инвесторов к золоту во всем мире. С учетом все большего числа факторов, оказывающих влияние на динамику курса золота в мире, прогнозирование цен на золото требует новых методов и современных технологических решений. В статье представлен обзор методов ...

Добавлено: 8 июля 2025 г.

Predicting Systemic Risk in the Russian Financial Sector with Boosting Techniques

Щепелева М. А., Procedia Computer Science 2024 Vol. 242 P. 51–56

Добавлено: 17 июня 2025 г.

Forecasting Stadium Attendance Using Machine Learning Models: A Case of the National Football League

Пан Ю., Ван Ф., Studia Sportiva 2024 Vol. 18 No. 2 P. 147–164

Добавлено: 16 мая 2025 г.

Default Prediction for Auto Repair Services Firms in Russia Using Non-financial Data

Афанасьев В. В., Финансы и бизнес 2024 Vol. 20 No. 3 P. 71–88

Традиционный подход к прогнозированию дефолтов предполагает использование финансовых коэффициентов в качестве объясняющих переменных в моделях классификации. В настоящем исследовании приводятся результаты, свидетельствующие о повышении качества прогнозирования дефолтов в случае включения в модели нефинансовых данных. В исследовании используется выборка из более чем 200 фирм, оказавшихся неплатежеспособными в период 2018–2023 гг., и 10 контрольных выборок (всего более ...

Добавлено: 2 октября 2024 г.

Random forests with parametric entropy-based information gains for classification and regression problems

Игнатенко В. В., Сурков А. Ю., Sergei Koltcov, PeerJ Computer Science 2024 Vol. 10 Article e1775

Добавлено: 16 февраля 2024 г.

Прогнозирование региональной инфляции: эконометрические модели или методы машинного обучения?

Букина Т. В., Кашин Д. В., Экономический журнал Высшей школы экономики 2024 Т. 28 № 1 С. 81–107

В статье строится прогноз региональной инфляции на примере субъектов, входящих в Приволжский федеральный округ (ПФО). Цель исследования – определить модель, которая точнее остальных прогнозирует региональную инфляцию. В работе производится сравнение инструментов машинного обучения – метода опорных векторов, градиентного бустинга и случайного леса с эконометрическими моделями временных рядов, авторегрессией и интегрированной авторегрессией-скользящего среднего, – моделями, которые чаще ...

Добавлено: 13 февраля 2024 г.

Incorporating financial development indicators into early warning systems

Пономаренко А. А., Татаринцев С. А., Journal of Economic Asymmetries 2023 Vol. 27 Article e00284

Добавлено: 28 марта 2023 г.

In Search of Global Determinants of National Credit-to-GDP Gaps

Stolbov M., Щепелева М. А., Risks 2022 Vol. 10 No. 12

Добавлено: 5 января 2023 г.

Contextual factors predicting compliance behavior during the COVID-19 pandemic: A machine learning analysis on survey data from 16 countries

Hajdu N., Schmidt K., Acs G. и др., Plos One 2022 Vol. 17 No. 11 Article e0276970

Добавлено: 18 октября 2022 г.

Spatiotemporal Modeling of Coniferous Forests Dynamics along the Southern Edge of Their Range in the Central Russian Plain

Chernenkova T., Котлов И. П., Belyaeva N. и др., Remote Sensing 2021 Vol. 13 No. 10 Article 1886

Добавлено: 20 марта 2022 г.

Кто виноват и что делать: анализ комментариев к фильмам о бесланском теракте

Смирнов Н. М., Социальная психология и общество 2021 Т. 12 № 3 С. 74–86

Цель. Выявить специфику содержания комментариев к документальным фильмам о пятнадцатой годовщине теракта в Беслане. Контекст и актуальность. На фоне реактивации дискурса о Беслане видится необходимым изучить осмысление трагедии в российском обществе. Крайне важным является обращение к нереактивным данным для оценки ретроспективного восприятия теракта. Дизайн исследования. Используется модель случайного леса для оценки конкретных характеристик комментариев. Данные. ...

Добавлено: 30 декабря 2021 г.

Decision Concept Lattice vs. Decision Trees and Random Forests

Дудырев Е. О., Кузнецов С. О., , in: Formal Concept Analysis: 16th International Conference, ICFCA 2021, Strasbourg, France, June 29 – July 2, 2021, Proceedings.: Springer, 2021. Ch. 16 P. 252–260.

Добавлено: 28 сентября 2021 г.