ДонНТУ   Портал магистров

Библиотека материалов по теме выпускной работы

    Собственные публикации и доклады

  1. Прогнозирование динамики ценовых индексов на фондовом рынке

    Авторы: Л.С. Овечкина, А.И. Секирин

    Описание: В данной статье рассматривается проблема получения своевременных и точных значений ценовых индексов фондового рынка на необходимый промежуток времени. Определены основные понятия и разработана математическая постановка задачи. Проведен анализ методов прогнозирования, используемых для решения аналогичных задач.

    Источник: Інформаційні управляючі системи та комп’ютерний моніторинг (ІУСКМ–2014) / Матерiали V мiжнародної науково–технiчної конференцiї студентiв, аспiрантiв та молодих вчених. — Донецьк, ДонНТУ — 2014, Том 1, С. 134–139.

    2. Тематические статьи

  2. Прогнозирование на основе не четких моделей внешних рядов

    Авторы: Э.Р. Уразбахтина, М.И. Чухутина

    Описание: В работе рассмотрена проблематика прогнозирования в экономике и менеджменте на основе нечетких моделей временных рядов.

    Источник: Уразбахтина Э.Р. Прогнозирование на основе нечетких моделей временных рядов / Уразбахтина Э.Р., Чухутина М.И. // Институт экономики и финансов (К(П)ФУ).

  3. Применение генетических алгоритмов для обучения исскуственных нейронных сетей при решении задач прогнозирования временных рядов

    Автор: А.А. Яковенко

    Описание: В данной работе рассматриваются итоги исследования интеграции генетических и нейросетевых методов прогнозирования декадного притока реки Обь в створе Новосибирской ГЭС. Выполнен сравнительный анализ точности прогнозов, полученных с помощью этих методов, и прогнозов Западно-Сибирского Гидрометцентра. Намечены пути дальнейших исследований.

    Источник: Яковенко А.А. Применение генетических алгоритмов для обучения исскуственных нейронных сетей при решении задач прогнозирования временных рядов / Яковенко А.А. // Сборник научных трудов НГТУ – № 4(46) –2006, C. 61–66.

  4. Использование генетических алгоритмов для обучения нейронных сетей

    Авторы: Е.А. Шумков, И.К. Чистик

    Описание: В статье показаны способы поиска субоптимальных нейронных сетей с помощью генетических алгоритмов.

    Источник: Шумков Е.А. Использование генетических алгоритмов для обучения нейронных сетей / Шумков Е.А., Чистик И.К. // Научный журнал КубГАУ № 91(07), –2013.

  5. Обучение нейронной сети с применением генетического алгоритма для прогнозирования свойств чугунов с вермикулярным графитом

    Авторы: К.В. Клочкова, С.В. Петрович, В.В. Абрамова

    Описание: В данной статье описан выбор типа нейронной сети, применяемой в интеллектуальной системе для прогнозирования свойств ЧВГ, а также обоснование выбора генетического алгоритма как способа ее обучения и определение параметров самой сети для оптимизации с помощью генетического алгоритма.

    Источник: Клочкова К.В. Обучение нейронной сети с применением генетического алгоритма для прогнозирования свойств чугунов с вермикулярным графитом / Клочкова К.В., Петрович С.В., Абрамова  В.В. // Студенческий научный журнал «Грани науки» – 2013, Том 1, С. 104–107.

  6. Финансовые временные ряды:прогнозирование и распознавание нарушений динамики

    Авторы: А.В. Демин, Е.Е. Витяев

    Описание: В данной статье рассматривается новая технология прогнозирования, суть которой заключается в том, что параллельно с обнаружением закономерностей, предсказывающих будущую динамику ряда, также обнаруживаются высоковероятные закономерности, описывающие поведение ряда на обучающем интервале. По нарушениям этих закономерностей далее определяется, насколько текущая ситуация соответствует обучающему интервалу и можно ли в данной ситуации делать прогноз. Преимущества новой технологии демонстрируются на примере предсказания курсов акций ГМК «Норильский Никель». Приводиться описание прототипа программного комплекса «FinDiscovery», реализующего предложенную технологию.

    Источник: Демин А.В. Финансовые временные ряды:прогнозирование и распознавание нарушений динамики / Демин А.В., Витяев Е.Е. // Институт систем информатики СО РАН и Институт математики СО РАН.

  7. Алгоритм прогноза сильных падений индекса Dow Jones Industrial Average

    Автор: М.Ю. Кудрявцев

    Описание: В работе рассматривается задача прогноза сильных падений индекса Доу-Джонса. Финансовые временные ряды по статистическим характеристикам схожи с сейсмическими. На основании методов, используемых для предсказаний землятресений, предложен алгоритм прогноза, основанный на изменении формы выборочной функции распределения детрендированного временного ряда индекса при приближении к объекту прогноза. Проведена статистическая и экономическая оценки работы данного алгоритма.

    Источник: Кудрявцев М.Ю. Алгоритм прогноза сильных падений индекса Dow Jones Industrial Average / Кудрявцев М.Ю. // Труды ИСА РАН – 2011, Том 61.

  8. Применение генетических алгоритмов для обучения нейронных сетей

    Автор: Г.А. Поллак

    Описание: В данной статье рассматривается применение генетического алгоритма для обучения нейронных сетей

    Источник: Поллак Г.А. Применение генетических алгоритмов для обучения нейронных сетей / Поллак Г.А. // Издательский центр ЮУрГУ, –2011.

  9. Прогнозирование динамики цен на фондовом рынке

    Авторы: А.А. Мицель, Е.А. Ефремова

    Описание: В статье на основе аппарата нейронных сетей проводится исследование задачи прогнозирования динамики цен на фондовом рынке, реализована автоматизированная система, позволяющая моделировать параметры сети.

    Источник: Мицель А.А. Прогнозирование динамики цен на фондовом рынке / Мицель А.А., Ефремова Е.А. // Известия Томского политехнического университета – 2006, Том 8, С. 309–314.

    10. Переводы статей

  10. Прогнозирование временных рядов по средствам развития нейронных сетей путем использования генетического алгоритма и дифференциальной эволюции

    Авторы: Juan Peralta, Xiaodong Li, German Gutierrez, Araceli Sanchis

    Название в оригинале:Time series forecasting by evolving artificial neural networks using genetic algorithms and differential evolution

    Описание: В этой статье оцениваются два метода развития архитектуры нейронных сетей один из которых осуществляется с помощью генетического алгоритма, а второй с помощью дифференциальных эволюционных алгоритмов.

    Источник (англ.): WCCI 2010 IEEE World Congress on Computational Intelligence July, 18–23, 2010 – CCIB, Barcelona, Spain, источник