Ссылки
по теме выпускной работы

 

Материалы магистров ДонНТУ

1. http://www.masters.donntu.ru/2006/kita/chuykov/diss/index.htm

"Разработка компьютеризированной подсистемы анализа и прогнозирования потребления энергоресурсов"
Автор: Чуйков А.Д.
Научный руководитель: проф. Спорыхин Виктор Яковлевич
В данной магистерской работы рассматривается: прогнозирование плановых показателей потребления ТЭР с учетом расчетных значений нормативных показателей и прогнозируемых значений внешних влияющих факторов. Поддержка принятия решений по назначению лимитов для цехов, оптимизация распределения лимитов. Расчет баланса по выполнению плановых показателей потребления ТЭР. Интеграция (получение сводной) информации по всем видам показателей, статистический анализ с целью выявления зависимостей, закономерностей, тенденций и т.д. (Data Mining: кластерный анализ, тренды временных рядов, и т.д.).

2. http://masters.donntu.ru/2007/kita/orlova/diss/index.htm

"Разработать компьютеризированную подсистему прогнозирования спроса на бытовую технику с помощью генетических алгоритмов в условиях предприятия АО "Группа "НОРД"
Автор: Орлова О.Ю.
Научный руководитель: к.т.н., доцент Жукова Тамара Порфириевна
В данной работе получены следующие теоретические и практические результаты, определяющие научную новизну и являющиеся предметом защиты: организационно-методическая основа процесса прогнозирования, которая может служить базой для создания новых и эффективных схем его организации и управления; специфика и особенности процесса прогнозирования спроса на рынке бытовой техники в условиях растущей конкуренции, модель управления процессом прогнозирования спроса на рынке бытовой техники.

3. http://masters.donntu.ru/2003/fvti/stasovskaya/diss/diss.htm

"Построение прогнозных моделей инвестиционных процессов в условиях неопределенности и риска"
Автор: Стасовська А.В.
Науковий керівник: Федяєв О.І.
Отримані в даній роботі результати можуть бути корисні для аналізу ефективності інвестиційного проекту, а також при побудові моделей інвестиційних процесів, наприклад: банками, фінансовими і кредитними організаціями. Практичне застосування отриманих результатів дозволить підвищити наукову обґрунтованість і якість прийнятих інвестиційних рішень. Економічний ефект від упровадження нових проектних технологій виражається в зниженні розміру резервних фондів і страхових відрахувань, необхідних при захисті від ризиків і зв'язаних з невизначеністю умов реалізації проекту.

 

4. http://masters.donntu.ru/2005/fvti/scherbak/diss/index.htm

5. http://www.masters.donntu.ru/2006/fvti/lazebnik/diss/index.htm

"Прогнозирование уровня подземных вод в Донецкой области с использованием нейросетевых технологий"
Автор: Лазебник Е.А.
Научный руководитель: к.т.н., доцент Губенко Н.Е.
В данной магистерской работе раскрыты методы системного и структурного анализа данных, статистические методы – корреляционный и регрессионный анализ, статистический анализ распределения данных, стохастические методы анализа временных рядов – метод авторегрессии проинтегрированного скользящего среднего, имитационное моделирование распределений, методы нейросетевых технологий, разработка объектных компьютерных моделей для оценки уровня подземных вод.

6. http://masters.donntu.ru/2007/fvti/karpunova/diss/index.html

"Преимущества модели ARIMA для краткосрочного прогнозирования поведения ценовых графиков Forex"
Автор: Карпунова С.Ю.
Научный руководитель: к.т.н., доцент Смирнов А.В.
В данной работе производят определение лучшей модели из множества моделей ARIMA для построения краткосрочного прогноза поведения ценовых графиков для разных значений временного окна прогнозирования, также определение наиболее подходящей модели для осуществления прогноза на определенных участках ценового графика. Таким образом, цель данной работы – выбор прогнозной модели ARIMA в зависимости от величины временного окна осуществления прогноза и используемого критерия, формулировка качественных рекомендаций по выбору и использованию модели на основе количественных оценок.

 

7. http://masters.donntu.ru/2007/fvti/sirchenko/diss/index.htm

"Новый подход к оценке глубины экономического прогноза"
Автор: Сирченко Е.Н.
Научный руководитель: к.т.н., доцент Смирнов А.В.
В данной работе был представлен математический подход к определению величины глубины прогноза, были решены следующие задачи: обзор методов статистического прогнозирования и анализа временных рядов, видов процессов временных рядов; моделирование предлагаемого подхода для временных рядов с различной колеблемостью, другими случайными характеристиками временных рядов; анализ поведения автокорреляционных функций временных рядов; анализ поведения автокорреляционных функций временных рядов; исследование зависимости точности прогнозируемых значений от рассчитанной глубины прогноза.

 

8. http://www.masters.donntu.ru/2006/fvti/akulov/diss/index.htm

"Решение задач прогнозирования с помощью нейронных сетей"
Автор: Акулов П.В.
Научный руководитель: проф. Святный В.А.
В данной работе исследуется проблема прогнозирования с помощью использования искусственных нейронных сетей. Практической частью данной работы является создание программы – реализации нейронной сети, и обучение данной нейронной сети. Данными для обучения должны являться временные ряды или значения какой-либо функции.

 

Специализированные сервера, сайты, порталы

 

9. http://masters.donntu.ru/2005/kita/kirichenko/library/s10.htm

"Нейронные сети, основанные на методе обратного функционирования"
Библиотека к магистерской работе выпускницы 2005 года Кириченко Л.М. Рассматривается модель нейронной сети с обратным распространением. Приводится детальное описание метода обратного распространения – способа обучения многослойных НС, проведена современная оценка этого метода.

 

10. http://www.uran.donetsk.ua/~masters/2002/fvti/kulikov/libr/article1.htm

"Нейронные сети: основные положения"
Автор: С. Короткий
Библиотека к магистерской работе выпускника 2002 года Куликова С.А. В статье рассмотрены основы теории нейронных сетей, позволяющие в дальнейшем обратиться к конкретным структурам, алгоритмам и идеологии практического применения сетей в компьютерных приложениях.

 

11. http://www.intuit.ru

Лекция: Методы классификации и прогнозирования
В лекции описывается метод нейронных сетей. Рассмотрены элементы и архитектура, процесс обучения и явление переобучения нейронной сети. Описана такая модель нейронной сети как персептрон. Приведен пример решения задачи при помощи аппарата нейронных сетей.

 

12. http://expertlog.ru/content/index.php?option=com_content&task=view&id=71&Itemid=57

Прогнозирование цен с помощью нейронных сетей
Нейронные сети являются очень мощным инструментом для работы на финансовых рынках, но для освоения этого этой технологии нужно потратить времени уж точно не меньше, чем на освоение технического анализа. Плюсом нейросетей является объективность при принятии решения, а минусом – то, что решение принимает фактически черный ящик. Основные проблемы, возникающие при работе с этой технологией – правильная предобработка данных, этот этап играет решающую роль для прогнозирования данных и очень многие безуспешные попытки работы с нейросетями связаны именно с этим этапом.

 

13. http://www.statsoft.ru/statportal/tabID__39/MId__293/ModeID__0/PageID__213/DesktopDefault.aspx

Система прогнозирования продаж «Sales–Forecast».Прогнозирование продаж большого ассортимента товаров
Ядром системы являются современные методы прогнозирования, реализованные в пакете STATISTICA, которые позволяют строить прогнозы временных рядов как на основе их собственной истории, так и с привлечением дополнительных переменных и построением многомерных объясняющих моделей (см. раздел Подход к прогнозированию в пакете STATISTICA).

 

14. http://www.statsoft.ru/home/products/Neuralnetwork/default.htm

Нейронные сети в системе STATISTICA
STATISTICA Neural Networks - это универсальный пакет нейросетевого анализа фирмы StatSoft. Он может работать и как самостоятельное приложение, и в рамках системы STATISTICA или Quick STATISTICA.

 

15. http://www.anriintern.com/neuro/menu.shtml

Сервер дистанционного образования ANRI EDUCATION SYSTENS
Курс по "Прогнозированию на основе аппарата нейронных сетей" . Рассмотрены прогнозирующие системы (понятия, проблемы,методы,модели); нейронные сети и их модели, а также прогнозирование на основе нейронных сетей.

 

16. http://www.statsoft.ru/home/intro/industry/default.htm

Статистика в промышленности
Система STATISTICA в промышленности: описание промышленных модулей системы, примеры их применения,  ссылки на интересные тематические публикации об использовании системы, примеры готовых корпоративных решений в области промышленности.

 

17. http://disser.com.ua/contents/p-2/31481.html

Диссертации и авторефераты Украины
Автореферат диссертации: "Математичні моделі прогнозування динамічних рядів у дилінгових інформаційних системах 2005 года". Источник: Автореф. дис... канд. техн. наук: 05.13.06 / Аль-Гулі Абед; Харк. нац. ун-т радіоелектрон. — Х., 2005. — 20 с. — укp.

18. http://www.forecsys.ru/g4c_perekrestok.php

Система прогнозирования потребительского спроса Goods4Cast Forecsys® (ЗАО «Форексис»)
Сайт инновационной динамично развивающейся компании — производителя наукоемкого программного обеспечения. Специализация компании — разработка наукоемких программных систем, а также консалтинг в таких областях, как кредитный скоринг, интеллектуальный анализ данных, прогнозирование, поддержка принятия решений, математическое и имитационное моделирование. Компания создает программное обеспечение на основе собственных интеллектуальных технологий. Forecsys успешно конкурирует с крупными зарубежными и российскими компаниями, специализирующимися на разработке программных продуктов в области анализа данных. Продукты компании неоднократно выигрывали конкурсы по точности прогнозов.

 

19. http://www.iq-soft.ru/service/forecast/index.php

Прогнозирование спроса.
«IQ - soft» занимается разработкой и внедрением систем управления предприятием.

20. http://matlab.exponenta.ru

Консультационный центр MatLab компании SoftLine
Сайт русскоязычных пользователей системы MatLab, включающий обучение, тематическую литературу, ссылки, примеры программных продуктов и кодов, реализации задач, а также форум пользователей.

21. http://www.neural-forecasting.com/

Neural Network Forecasting ... all you need to know!
Англоязычный сайт, посвященный прогнозированию с помощью нейронных сетей. Полезный узкоспециализированный ресурс, на котором можно найти много информации по данной тематике.

22. http://www.faqs.org/faqs/ai-faq/general/

FAQ Archives
Ответы на вопросы и обсуждения вопросов по нейронным сетям, проектированию нейросетевых моделй, обучению нейронных сетей, а также возможности прогнозирования с помощью аппарата нейронных сетей, поднимаемые на различных форумах. Архивы тематических форумов.

23. http://www.navision.ru/default.aspx?page=solutions_axapta_logis

Microsoft Dynamics
На сайте представлена краткая характеристика основных пригципов, на которых строятся прогнозирование продаж и закупок, составление прогнозов складских запасов и краткосрочное планирование закупок и сборки спецификаций.

 

 

Специализированные периодические и серийные издания

 

24. http://www.belarustoday.info/?pid=36615

Беларусь Сегодня
"Краткосрочное прогнозирование спроса и мониторинг системы прогнозирования"
Авторы: Акулич М.В., Ткачева В.В.
Статья доступно объясняющая как сделать прогноз на следующий период. Также в статье описаны тип и глубина прогнозирования, определяющие также характер бизнеса. Если это дорогостоящий продукт, производство которого требует времени, например, в авиакосмической или фармацевтической промышленности, важно располагать точным и детальным прогнозом продаж на несколько лет вперед.

 

25. http://www.neuroproject.ru/forecasting_tutorial.php

NeuroProject. Учебник. Методы прогнозирования
Этот учебник предназначен для первоначального ознакомления с методами прогнозирования, аналитическими технологиями, в частности, с нейронными сетями и генетическими алгоритмами. Он не претендует на научную строгость и полноту. Тут также описываются самые разнообразные методы прогнозирования: сложные и простые, современные и устаревшие. Такде дается описание алгоритмов работы данных методов, их сравнительный анализ, достоинства и недостатки, а также результаты их работы.

 

26. http://www.gmdh.net/gmdh.htm

МГУА: Метод группового учета аргументов
На данном сайти представлено большое количество литературы по методам прогнозирования с помощью нейронных сетей. Так, на пример, в книге "Математические методы построения прогнозов" (Грешилов А.А., Стакун В.А., Стакун А.А. Москва - Радио и связь, 1997.- 112с.) приведено описание построения модели прогнозирования; рассмотрены методы регрессионного анализа; конфлюэнтный анализ(учет неопределенности в задачах прогнозирования); подробно описаны методы построения прогнозов.

27. www.neuronet.alo.ru

Нейронные сети. NEiRONET RESEARCH GROUP
Излагается описание нейронной сети. Строение, теоретические основы. Описание многослойного персептрона, алгоритм решения задач с помощью многослойного персептрона. Описание методов обучения нейронной сети.

28. www.neuroproject.ru

NEUROPROJECT
Сайт компании NEUROPROJECT, которая занимается научными исследованиями и разработкой программного обеспечения в области интеллектуального анализа данных, а также образовательной и консалтинговой деятельностью в этой сфере. На сайте можно найти статьи, описание программных продуктов и многое другое.

29. www.neuroproject.ru/neuro.php#whatneuro

Нейропроект: АНАЛИТИЧЕСКИЕ ТЕХНОЛОГИИ для прогнозирования и анализа данных
Сайт Учебник - Нейронные сети. Аналитические технологии для прогнозирования и анализа данных. Этот учебник предназначен для первоначального ознакомления с аналитическими технологиями, в частности, с нейронными сетями и генетическими алгоритмами.

 

30. www.ozon.ru/context/detail/id/1820376/?partner=pcnoon

OZON.RU Книги
Сайт содержащий огромное количество книг по теме. Так, на пример, в книге "Нейронные сети: распознавание, управление, принятие решений" (А.Б. Барский, 2004, Финансы и статистика) рассматривается применение нейросетевых технологий при построении информационных и управляющих систем в науке, экономике, финансах и искусстве. Исследуются вопросы разработки нейросетей "под задачу", представления исходной и обработки выходной информации. Предлагаются простые методы обучения в статическом и динамическом режимах.

 

31. http://www.matlab.ru

The MathWorks. Accelerating the pace of engineering and science
Англоязычный сайт - центр MATLAB. Огромная база материалов и информации по решению различных вопросов, сязанных с нейронными сетями, с помощью программных средств MatLab.

 

 

Персональные сайты преподавателей, аспирантов и специалистов в области тематики выпускной работы

 

32. http://neurolec.chat.ru/

Избранные лекции по Нейрокомпьютингу
Автор: С. А. ШУМСКИЙ
Лекции по Нейрокомпьютингу являются адаптированными отрывками из полного курса - А.А. Ежов С.А. Шумский "НЕЙРОКОМПЬЮТИНГ и его приложения в экономике", вышедшего в издательстве МИФИ в 1998 году. Книга написана на основе курса лекций, прочитанных авторами в экономико-аналитическом институте МИФИ в 1997-1998 учебном году. Книга знакомит читателей с методами нейросетевой обработки сложных многофакторных данных и с примерами ипользования искусственных нейронных сетей в области финансов и бизнеса.

 

33. http://www.neuropro.ru

NeuroPro
Это сайт Виктора Царегородцева, посвященный предложению услуг по анализу данных, созданию интеллектуальных компьютерных программ для решения задач прогнозирования и диагностики, изучению и популяризации применения нейронных сетей.

 

34. www.bodro.narod.ru

BODRO
Персональный сайт студента Бодрова Василия Викторовича. На сайте выставлены программы по нейросетям, которые студент сам реализовал.

 

Монографии, статьи, доклады и презентации по теме

35. http://articles.mql4.com/ru/395

"Прогнозирование цен с помощью нейронных сетей. Применение нейросети для предсказания временных рядов"
Автор: Перепеча С.А.
В статье автор выделяет преимущество НС: отсутствие необходимости в строгой математической спецификации модели, что особенно ценно при анализе плохо формализуемых процессов, а большинство бизнес задач плохо формализуется. В данной работе была создана искусственная нейросеть с помощью программного пакета MATLAB 6.5, для предсказания временных рядов. Искусственная нейросеть представляет собой персептрон с одним скрытым и выходным слоем. В качестве объекта предсказания использовались дневные котировки акций РАО ЕЭС в период с 1996-2006 г. Способ прогнозирования был одношаговым, когда при предсказании получают значение котировок на следующий день.

 

36. http://www.kit-e.ru/articles/cad/2006_1_154.php

"Использование нейронных сетей для прогнозирования деградации выходных параметров ТТЛ ИС в системе MATLAB / Simulink"
Автор: Андрей Строгонов
В данной работе рассматривается прогнозирование деградации параметров ТТЛ ИС с использованием нейронных сетей и системы MATLAB/Simulink (на примере деградации наихудших значений параметра выходного напряжения низкого уровня UOL по результатам испытаний на долговечность в течение 150 тыс. ч выборки из 20 ТТЛ ИС типа 133ЛА8 и выборки из 20 ТТЛ ИС типа 133ЛР3) как альтернатива прогнозированию с использованием методов теории цифровых фильтров, идентификации систем и временных рядов (АРПСС9модели)

 

37. http://www.interface.ru/fset.asp?Url=/oracle/dmiad.htm

"Data mining - интеллектуальный анализ данных"
Автор: Вячеслав Дюк
В статье освящены такие вопросы: Что такое Data Mining? Кому это нужно? Типы закономерностей. Классы систем Data Mining.

 

38. http://icm.krasn.ru/confpages.php?id=6

Конференции ИВМ СО РАН
Всероссийский семинар «Нейроинформатика и её приложения». Интеллектуальные, нейросетевые и геоинформационные технологии, распределенные информационные системы.

 

39. www.alife.narod.ru/lectures/tasks/index.html

"Типовые задачи для информационного моделирования с использованием нейронных сетей"
Автор: Сергей Терехов
В работе отражены специфические особенности постановок задач нейросетевого информационного моделирования, приведен ряд типовых постановок задач. Излагаются некоторые современные аспекты методологии тестирования нейросетевых моделей. Описываются коллекции тестовых данных для нейросетевых и статистических методик. Приведены иллюстративные расчеты, выполненные с помощью комплекса Nimfa и пакета Matlab Neural Networks Toolbox.

 

40. www.neuropro.ru/soft.shtml

"Программы для создания и моделирования нейронных сетей, анализа и обработки данных
Автор: Виктор Царегородцев
В статье автором описано использование программных средств при анализе данных и моделировании. Преимущества и недостатки современных индустриальных нейросетевых программ и статистических пакетов.

 

41. http://www.ecsocman.edu.ru/db/msg/275267.html

"Некоторые подходы к прогнозированию экономических показателей"
Авторы: М.Ю.Турунцева, А.Д.Юдин, С.М.Дробышевский, П.А.Кадочников, С.Пономаренко, П.В.Трунин
В работе представлен обзор литературы, вышедшей в последние годы и посвященной прогнозированию с использованием различных типов эконометрических моделей. Предложен метод прогнозирования с применением информативных структур: дано теоретическое обоснование, приведены результаты прогнозирования и сравнения с результатами прогнозирования при помощи моделей ARIMA. Рассматривается эконометрическая модель сценарных прогнозов основных макроэкономических показателей РФ. Приведены результаты расчетов прогнозных значений, построенные на основе двух сценариев.
Полный текст книги на сайте ИЭПП: http://www.iet.ru/publication.php?folder

 

42. http://www.en.wikipedia.org/wiki/Autoregressive_integrated_moving_average

Wikipedia. "Autoregressive integrated moving average"
Статья в Википедии. Представлено определение и краткий обзор модели ARIMA

 

Специальные порталы, сайты, учебники, посвященные проблеме прогнозирования

 

43. http://www.gmdh.net/articles/theory/StatModeling.pdf

"Статистичне моделювання та прогнозування"
Автор: Ерина А.М.
Научное пособие.-К.: КНЕУ, 2001
В данном учебном пособии рассматриваются принципы статистического прогнозирования социально-экономических явлений, процессов, модификации моделей динамики, структуры и взаимосвязи, условия адаптации их к специфике объектов моделирования. Полезным является Раздел 4 "Моделювання та прогнозування динаміки"

 

44. http://www.softcraft.ru/neuro/index.shtml

SoftCraft. Учебники
Учебники по нейронным сетям и нейроинформатике

 

45. http://www.forecastingprinciples.com

Principles of Forecasting
Англоязычный ресурс факультета маркетинга бизнес-школы Wharton (Pennsylvania University), посвященный бизнес-прогнозированию. Большое количество тематической литературы, обзорные и подробные публикации по разным методам прогнозирования, тесты десятков специализированных программ для прогнозирования, обзор всех основных международных конференций и многое другое. Разделы сайта посвящены специализированным темам: прогнозирование продаж, нейросетевое прогнозирование, прогнозирование в медицине.

 

46. http://www.neuroproject.ru/forecasting_tutorial.php

NeuroProject/Обучение/Учебник - Методы прогнозирования
АНАЛИТИЧЕСКИЕ ТЕХНОЛОГИИ для прогнозирования и анализа данных. Этот учебник предназначен для первоначального ознакомления с методами прогнозирования, аналитическими технологиями, в частности, с нейронными сетями и генетическими алгоритмами.

 

47. http://prognoz.org/

Прогнозы и прогнозирование
Сайт на котором вы найдете много полезной литературы по прогнозированию, программы, ссылки на аналогичные темы, а также можно пообщаться на форуме на заданные темы.

 

48. http://www.forecasters.org/

International Institute of Forecasters
Англоязычный сайт некоммерческой организации International Institute of Forecasters, издающей журнал The International Journal of Forecasting. Сайт содержит большое количество ссылок на интернет-ресурсы по прогнозированию, сайты разработчиков специализированных программ. На сайте имееются ссылки на базы данных, предназначенные для использования в исследованиях по прогнозированию.

 

49. http://neurnews.iu4.bmstu.ru/univer/aspirant/jakovl/index.htm

"Разработка автоматизированных систем прогнозирования на основе метод теории нейронных сетей"
Автор: Яковлева Г.Л.
Специальность - Автоматизированные системы управления. Автореферат диссертации на соискание ученой степени кандидата технических наук.- Москва - 2000, Московской Государственный Технический Университет им. Н.Э. Баумана Научный руководитель: кандидат технических наук, доцент Ревунков Г.И.

 

50. www.doc.ic.ac.uk/~nd/surprise_96/journal/vol4/cs11/report.html

NEURAL NETWORKS
Authors: Christos Stergiou and Dimitrios Siganos
This report is an introduction to Artificial Neural Networks. The various types of neural networks are explained and demonstrated, applications of neural networks like ANNs in medicine are described, and a detailed historical background is provided. The connection between the artificial and the real thing is also investigated and explained. Finally, the mathematical models involved are presented and demonstrated.