?
Predictive models for metrological data of engineering systems
Journal of Physics: Conference Series. 2021. Vol. 1740. P. 1–6.
Lukankin Alexander, Slastnikov Sergey
Язык:
английский
Назарова В. В., Лодягин Б. А., Круглов Ф. А. и др., AlterEconomics (ранее - Журнал экономической теории) 2025 № 22(3) С. 482–502
Статья посвящена сравнительному анализу точности краткосрочного прогнозирования цен на нефть с использованием традиционных статистических моделей (ARIMA, SARIMAX) и модели глубинного обучения LSTM. Актуальность исследования обусловлена высокой волатильностью нефтя ного рынка и необходимостью повышения точности прогнозов в условиях нестабильной макроэконо мической среды, где нефтяные котировки зависят не только от собственной динамики, но и от внеш них ...
Добавлено: 5 октября 2025 г.
Сурков А. Ю., Захаров В. Ю., Sergei Koltcov и др., , in: Smart Technologies, Systems and Applications: 4th International Conference, SmartTech-IC 2024, Quito, Ecuador, December 2–4, 2024, Revised Selected Papers, Part IIVol. 2: Revised Selected Papers, Part II.: Springer, 2025. P. 239–252.
Добавлено: 11 сентября 2025 г.
Кручинская Е. В., Политическая наука 2025 № 1 С. 156–180
Статья фокусируется на установлении эмпирической взаимосвязи между аффективной политической поляризацией и протестной мобилизацией. Проверяются два предположения, опирающиеся на анализ предыдущих исследований. Согласно первому, протест является фактором усиления проявления поляризации в обществе, но не является причиной проявления поляризации. Согласно второму, протест значимо влияет на расколы и идентификацию: в период протестной мобилизации бо́льшую значимость приобретает выражение политической ...
Добавлено: 12 марта 2025 г.
Сизых Д. С., Tregub K., Belyakov B. и др., , in: 2024 17th International Conference on Management of Large-Scale System Development (MLSD).: IEEE, 2024. P. 1–5.
В настоящее время проводится большое количество исследований по повышению точности разрабатываемых методов прогнозирования фондового рынка. При этом все чаще используются многомерные модели, основанные на методах машинного обучения. Поскольку показатели ликвидности оказывают существенное влияние на ценообразование активов, их учет позволяет повысить точность прогнозирования. Целью данного исследования является разработка моделей машинного обучения, прогнозирующих котировки ценных бумаг с ...
Добавлено: 15 января 2025 г.
Броницкий Г. Т., Population and Economics 2024 Vol. 8 No. 2 P. 133–154
Анализ миграционных потоков имеет большое значение для понимания и прогнозирования социально-экономических тенденций в различных странах. В работе описан алгоритм, позволяющий получать оценки миграции с минимальной временной задержкой (наукастинг), для этого используются данные о поисковых запросах Google Trends Index (GTI). Прогнозная сила моделей сравнивается для различных временных периодов, один из которых включает ограничения, связанные с пандемией Covid-19, во ...
Добавлено: 21 марта 2024 г.
Орландо Д., Bufalo M., Technological and Economic Development of Economy 2023 Vol. 29 No. 4 P. 1216–1238
Добавлено: 22 февраля 2024 г.
Natalia Sizykh, Said Dandamaev, Dmitry Sizykh, , in: 16th International Conference Management of large-scale system development (MLSD).: IEEE, 2023. P. 1–5.
На данный момент методы, основанные на архитектуре глубокого обучения LSTM, показали лучшие результаты в прогнозировании цен на криптовалюту. В данной статье исследуется применение метода многомерного многошагового прогнозирования на основе модели глубокого обучения LSTM для временных рядов цен биткойнов и оценивается его эффективность. Проанализированы варианты реализации многомерного многошагового прогнозирования на основе глубокого обучения LSTM и выбран ...
Добавлено: 22 декабря 2023 г.
I. K. Kusakin, Fedorets O. V., A. Y. Romanov, Scientific and Technical Information Processing 2023 Vol. 50 No. 3 P. 176–183
Добавлено: 4 ноября 2023 г.
Кусакин И. К., Федорец О. В., Романов А. Ю., Научно-техническая информация. Серия 2: Информационные процессы и системы 2022 Т. 12 С. 6–9
В данной работе рассматриваются современные подходы к обработке естественного языка и применения технологий искусственного интеллекта в задаче классификации научных текстов на русском языке. Работа посвящена анализу реализаций методов векторизации текстовой информации применительно к задаче обучения различных моделей классификаторов: от классических алгоритмов машинного обучения до нейросетевых архитектур-трансформеров. ...
Добавлено: 31 января 2023 г.
Броницкий Г. Т., Вакуленко Е. С., Демографическое обозрение 2022 Т. 9 № 3 С. 75–92
Международная миграционная статистика публикуется с большой задержкой, которая может достигать нескольких лет. Эта проблема не позволяет исследователям осуществлять своевременный анализ миграционных потоков. В статье рассматривается метод прогнозирования международной миграции на основе поисковых запросов в сети Интернет на примере потоков из России в Германию в период 2011-2020 гг. Для анализа применяли показатели Росстата, статистического офиса Германии ...
Добавлено: 13 октября 2022 г.
Звездина Н. В., Сараев А. В., Вопросы статистики 2023 Т. 30 № 1 С. 27–41
Со стороны населения жилая недвижимость рассматривается с точки зрения возможности повышения уровня жизни, а также как объект выгодных инвестиционных вложений. Российский рынок жилой недвижимости привлекает внимание не только населения, но и исследователей. Его структура и многофакторность динамики развития дают широкие возможности для статистического анализа.
Рассматривая рынок недвижимости отдельного города или субъекта РФ, исследователи акцентируют внимание на ...
Добавлено: 10 октября 2022 г.
Aleksandr Belov, Монина М. Ю., Rakhmetullina Z., , in: 2022 IEEE International IOT, Electronics and Mechatronics Conference (IEMTRONICS 2022).: IEEE, 2022. P. 1–6.
Добавлено: 20 июля 2022 г.
Вукович Д., Романюк К. А., Ivashchenko S. и др., Expert Systems with Applications 2022 Vol. 194 No. May 2022 Article 116553
Добавлено: 4 февраля 2022 г.
Добавлено: 1 октября 2021 г.
Giachanou A., Россо П., Crestani F., , in: Proceedings of the 42nd International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR ’19).: NY: Association for Computing Machinery (ACM), 2019. P. 877–880.
Добавлено: 29 октября 2020 г.
Родионова Л. А., Копнова Е. Д., Демографическое обозрение 2019 Т. 6 № 2 С. 104–141
Согласно майскому указу Президента (2018 г.), в число национальных целей и стратегических задач развития РФ на период до 2024 г. входят «обеспечение устойчивого естественного роста численности населения РФ и повышение ожидаемой продолжительности жизни до 78 лет». Возросшая необходимость мониторинга текущей демографической ситуации, изучение структуры демографических показателей, пристальное внимание научного сообщества к реализации национальных целей обусловили ...
Добавлено: 2 сентября 2019 г.
Kornilov Matwey V., Experimental Astronomy 2016 Vol. 41 No. 1 P. 223–242
Добавлено: 7 февраля 2019 г.
Попова А. С., Рассадин А. Г., Пономаренко А. А., В кн.: Материалы XXIV международной научно-технической конференции «Информационные системы и технологии-2018.: [б.и.], 2018. С. 1083–1089.
Рассматривается задача автоматической классификации эмоций в цифровом аудио сигнале. В работе рассматривается и верифицируется подход, в котором классификация звукового фрагмента производится с помощью рекуррентной нейронной сети c долговременно-кратковременной памятью. В качестве признаков использовались мел-кепстральные коэффициенты. Произведен численный эксперимент на открытом наборе данных Ravdess, включающий 8 различных эмоций: “нейтральный”, “спокойный”, “счастливый”, “грустный”, “злой”, “испуганный”, “отвращение”, “удивление” ...
Добавлено: 21 октября 2018 г.
Сластников С. А., Лупанов В. Э., Journal of Physics: Conference Series 2019 Vol. 1163 No. 12048 P. 1–6
Добавлено: 19 октября 2018 г.
Грачев А. М., Игнатов Д. И., Савченко А. В., , in: Pattern Recognition and Machine Intelligence. 7th International Conference, PReMI 2017, Kolkata, India, December 5-8, 2017, Proceedings. Lecture Notes in Computer Science book series (LNCS, volume 10597).: Springer, 2017. P. 351–357.
Добавлено: 14 октября 2018 г.
Кондратьев М. А., Компьютерные исследования и моделирование 2013 Т. 5 № 5 С. 863–882
Число работ, посвященных прогнозированию инфекционной заболеваемости, стремительно растет по мере появления статистики, позволяющей провести анализ. В настоящей статье представлен обзор основных решений, доступных сегодня для формирования как краткосрочных, так и долгосрочных проекций заболеваемости; указаны их ограничения и возможности практического применения. Рассмотрены традиционные методы анализа временных рядов — регрессионные и авторегрессионные модели; подходы, опирающиеся на машинное ...
Добавлено: 13 января 2014 г.