?
StochasticRank: Global Optimization of Scale-Free Discrete Functions
P. 9669–9679.
Liudmila Prokhorenkova, Ustimenko A.
Ахмедов Э., Фурманов К. К., Экономика и математические методы 2025 Т. 61 № 1 С. 109–117
Модель стохастической границы - регрессионная модель, в которой объясняемой величиной выступает выпуск предприятия или его издержки, а необъясненная вариация выпуска (издержек) разделяется на две составляющие: стохастический шок и неэффективность, моделируемые случайными величинами с разными законами распределения. Модель позволяет получить оценки неэффективности отдельных предприятий и отраслей в целом, очищенные от влияния стохастических шоков. В настоящий момент она является одним из основных эконометрических инструментов анализа эффективности и продуктивности. ...
Добавлено: 27 марта 2025 г.
Зеленков Ю. А., , in: 2023 Ivannikov ISPRAS Open Conference (ISPRAS).: IEEE, 2023. P. 176–182.
Добавлено: 1 мая 2024 г.
Дубинина М. Н., Вестник Государственного социально-гуманитарного университета 2021 № 4(44) С. 68–72
Рейтингование общественных феноменов получило широкую практику. Китай является уникальным примером, страной, воплощающей идеи рейтингования как на государственном уровне, так и на уровне частных компаний. Актуальность данного исследования заключается в возможности проследить как традиционные воззрения, желания сохранить свою культурную общность, развитие цифрового общества, усиление контроля и современные стратегии управления перекликаются и дают начало новым общественным отношениям. ...
Добавлено: 15 февраля 2024 г.
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.
Никольский И. М., Фурманов К. К., Прикладная эконометрика 2023 Т. 71 С. 128–142
Предлагается способ оценивания согласованности истинных показателей неэффективности экономических субъектов в базовой модели стохастической границы и их JLMS-оценок. Для полунормального распределения неэффективности выводится приближённая формула для асимптотического коэффициента согласованности Харрелла c погрешностью порядка 0.01. Исследование на искусственно сгенерированных данных показывает, что коэффициент Харрелла на конечных выборках меньше асимптотического, так что полученная приближённая формула может служить оценкой ...
Добавлено: 19 сентября 2023 г.
Nikol’skii I. M., K. K. Furmanov, Computational Mathematics and Modeling 2022 Vol. 33 No. 3 P. 319–329
Добавлено: 24 апреля 2023 г.
Никольский И. М., Фурманов К. К., Прикладная математика и информатика 2022 № 71 С. 12–18
Рассматривается модель стохастической границы — линейная регрессионная модель, связывающая показатель деятельности субъекта принятия решения (например, объём производства предприятия) с затратами ресурсов и используемая для определения эффективности субъектов. На основании серии стохастических экспериментов определяется способность модели ранжировать субъекты по эффективности — рассчитываются коэффициент ранговой корреляции Спирмена и коэффициент согласованности Харрелла в зависимости от дисперсий двух компонент ...
Добавлено: 11 ноября 2022 г.
Муратова А. А., Митрофанова Е. С., Ислам Р., , in: Procedia Computer Science: 11th International Young Scientist Conference on Computational ScienceVol. 212.: Elsevier, 2022. P. 358–367.
Добавлено: 10 сентября 2022 г.
Knizhnikov A., Shvarts E., Ametistova L. и др., Extractive Industries and Society 2021 Vol. 8 No. 3 Article 100937
Добавлено: 10 февраля 2022 г.
Glagoleva A., Kachesova I., Kuznetsova E. и др., , in: Modern Global Economic System: Evolutional Development vs. Revolutionary Leap:.: Springer, 2021. P. 457–464.
Добавлено: 8 октября 2021 г.
Ustimenko A., Прохоренкова Л. А., , in: Proceedings of the 38th International Conference on Machine Learning (ICML 2021)Vol. 139.: PMLR, 2021. P. 1–10.
Добавлено: 6 августа 2021 г.
Малинин А. А., Прохоренкова Л. А., Ustimenko A., , in: Proceedings of the 9th International Conference on Learning Representations (ICLR 2021). ICLR, 2021.: ICLR, 2021..
Добавлено: 2 августа 2021 г.
Ivanov S., Прохоренкова Л. А., , in: Proceedings of the 9th International Conference on Learning Representations (ICLR 2021). ICLR, 2021.: ICLR, 2021..
Добавлено: 2 августа 2021 г.
Антипов Е. А., Покрышевская Е. Б., Journal of Revenue and Pricing Management 2020 No. 19 P. 355–364
Forecasting demand and understanding sales drivers are one of the most important tasks in retail analytics. However, traditionally, linear models and/or models with a small number of predictors have been predominantly used in sales modeling. Taking into account that real-world demand is naturally determined by complex substitution and complementation patterns among a large number of ...
Добавлено: 31 октября 2020 г.
Liudmila Prokhorenkova, Gusev G., Vorobev A. и др., , in: Advances in Neural Information Processing Systems 31 (NeurIPS 2018).: Neural Information Processing Systems Foundation, 2018. P. 6638–6648.
Добавлено: 1 мая 2020 г.
Timur Kadyrov, Игнатов Д. И., , in: Proceedings of the Fifth International Workshop on Experimental Economics and Machine Learning (EEML 2019),Perm, Russia, September 26, 2019Vol. 2479.: CEUR Workshop Proceedings, 2019. P. 77–88.
Добавлено: 20 января 2020 г.
Кураленок И. Е., Ershov V., Лабутин И. Н., , in: Advances in Neural Information Processing Systems 32 (NeurIPS 2019).: [б.и.], 2019. P. 1–10.
Добавлено: 27 декабря 2019 г.
Миркин Б. Г., Fenner T., Journal of Classification 2019 Vol. 36 No. 2 P. 350–367
Добавлено: 1 ноября 2019 г.
Булычев А. В., Сомов О. Д., В кн.: Информатика, управление и системный анализ: Труды V Всероссийской научной конференции молодых ученых с международным участием.: Ростов н/Д: Ростовский государственный экономический университет "РИНХ", 2018. С. 94–102.
В процессе разработки информационной системы для логистических перевозок возникает необходимость в определении первоначального рейтинга нового перевозчика в рамках головной компании. Наличие рейтинга помогает точнее осуществлять формирование заказов и строить прогнозы его взаимодействия с головной компанией в будущем ...
Добавлено: 3 сентября 2019 г.
Швиндт А. Н., Моделирование, оптимизация и информационные технологии 2017 Т. 5 № 4 С. 1–18
В статье рассматриваются модели и процедуры обработки и анализа результатов мониторинга, в том числе с участием студентов, ориентированных на интеллектуальную поддержку административных управленческих решений при формировании условий и соответствующих им ресурсов по достижению нормативных требований к качеству образования в вузе. Первый этап обработки состоит в нормировании факторов, характеризующих условия качественного образования и показателей трудоустройства выпускников ...
Добавлено: 19 августа 2019 г.
Kulagin M., Сидоренко В. Г., , in: Proceedings of the Third International Scientific Conference “Intelligent Information Technologies for Industry” (IITI’18) Volume 2Vol. 2.: Springer, 2019. P. 308–316.
Добавлено: 19 января 2019 г.