Forecasting seeing and parameters of long-exposure images by means of ARIMA

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.

Artificial Intelligence and Environmental Decision Support Systems

Daria Gribkova, Мильшина Ю. В., , in: Artificial Intelligence Enabled Real Time Environmental Monitoring.: Springer, 2026. P. 231–252.

Добавлено: 12 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.

Determining the boundary of dynamical chaos in the generalized Chirikov map via machine learning

Чернышов Д. П., Сатанин А. М., Щур Л. Н., / Series arXiv "math". 2025.

Добавлено: 21 ноября 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.

Применение методов машинного обучения для прогнозирования нефтяных котировок

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.

Multi-regression Forecast in Stochastic Chaos

Musaev A., Makshanov A., Dmitry Grigoriev, Computational Economics 2024 Vol. 64 P. 137–160

Добавлено: 11 июля 2025 г.

Universal tail of the probability density function of the intensity of light propagating in a turbulent medium

Колоколов И. В., Лебедев В. В., Physical Review E - Statistical, Nonlinear, and Soft Matter Physics 2025 Vol. 111 No. 6 Article 064104

Добавлено: 5 июня 2025 г.

Model for Assessing the Liquidity of a Stock Market Trading Instrument

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.

Forecasting portfolio returns with skew-geometric Brownian motions

Liseo B., Bufalo M., Орландо Д., Applied Stochastic Models in Business and Industry 2022 Vol. 38 No. 4 P. 620–650

Добавлено: 23 февраля 2024 г.

TIME SERIES FORECASTING WITH THE CIR# MODEL: FROM HECTIC MARKETS SENTIMENTS TO REGULAR SEASONAL TOURISM

Орландо Д., Bufalo M., Technological and Economic Development of Economy 2023 Vol. 29 No. 4 P. 1216–1238

Добавлено: 22 февраля 2024 г.

Prediction of Steel Articles Mechanical Properties Through Raw Stock Chemical Composition and Smelting Parameters

Leonid N. Yasnitsky, Gruzman V., Martynenko S. и др., , in: 2023 5th International Conference on Control Systems, Mathematical Modeling, Automation and Energy Efficiency (SUMMA)Vol. 5.: IEEE, 2023. P. 813–816.

Добавлено: 4 февраля 2024 г.

Relationships between second and third moments in the surface layer under different stratification over grassland and urban landscapes

Barskov K., Chechin D., Drozd I. и др., Boundary-Layer Meteorology 2023 Vol. 187 P. 311–338

Добавлено: 5 октября 2023 г.

Forecasting Internal Migration in Russia Using Google Trends: Evidence from Moscow and Saint Petersburg

Dean Fantazzini, Julia Pushchelenko, Mironenkov A. и др., Forecasting 2021 Vol. 3 No. 4 P. 774–803

Добавлено: 28 июля 2022 г.

A Model of Classification of Consumers on the Retail Electricity Market

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.

Global Systems for Sociopolitical Instability Forecasting and Their Efficiency. A Comparative Analysis

Коротаев А. В., Ilya Medvedev, Zinkina J., Comparative Sociology 2022 No. 21 P. 64–104

Добавлено: 15 марта 2022 г.

Credit Risk Theoretical Model on the Base of DCC-GARCH in Time-Varying Parameters Framework

Moiseev N., Sorokin A., Звездина Н. В. и др., Mathematics 2021 No. 9(19) Article 2423

Добавлено: 1 октября 2021 г.

Useful relations for the analysis of stellar scintillation at the entrance pupil of a telescope

Kornilov V., Safonov B., Kornilov Matwey, Journal of the Optical Society of America A: Optics and Image Science, and Vision 2021 Vol. 38 No. 9 P. 1284–1292

Добавлено: 27 сентября 2021 г.

СИСТЕМНЫЙ ПОДХОД К ПРОГНОЗИРОВАНИЮ НАУЧНО-ТЕХНОЛОГИЧЕСКОГО РАЗВИТИЯ ЗЕРНОВОГО ПРОИЗВОДСТВА

Петухова М. С., Экономика сельского хозяйства России 2021 № 1 С. 11–16

Данная статья посвящена изучению процесса прогнозирования научно-технологического развития зернового производства с позиции системного анализа. Предложено рассматривать научно-технический прогресс в отрасли как систему, состоящую из следующих взаимодействующих элементов: труд, техника и земля. Выявлены особенности научно- технологического развития зернового производства: влияние природно-климатических условий, нелинейность развития науки и технологий, многоукладность при наличии преобладающего технологического уклада, нестабильность и неустойчивость, ...

Добавлено: 2 апреля 2021 г.