Библиотека материалов

Собственные работы и публикации

1. Моделирование биржевых показателей

   Авторы: Кобец А.А., Анохина И.Ю., Лапшина Е.В

   Описание: В работе было проведено моделирование валютных курсов и цен на нефть, определены их степени зависимости, оценена возможность прогнозирования биржевых показателей стандартными алгоритмами временного прогнозирования.

   Источник: Материалы VII Международной научно-технической конференции «Современные информационные технологии в образовании и научных исследованиях» (СИТОНИ-2021). – Донецк: ДонНТУ, 2021.

2. Анализ алгоритмов шумопонижения в контексте исследования временных рядов

   Авторы: Анохина И.Ю., Кобец А.А.

   Описание: В данной работе были исследованы возможности применения алгоритмов шумопонижения при статистическом анализе временных рядов, а также изучения аспектов их использования в данном контексте.

   Источник: Отчет о НИР (заключ.): ГОУ ВПО «Донецкий национальный технический университет» (г. Донецк)

3. Исследование потенциала ассоциативного подхода к организации данных и проектирования систем

   Авторы: Анохина И.Ю., Кобец А.А.

   Описание: В данной работе был исследован ассоциативный подход описания данных и проектирования приложений, а также определен его потенциал, в частности, в качестве модели памяти для систем искусственного интеллекта.

   Источник: Отчет о НИР (заключ.): ГОУ ВПО «Донецкий национальный технический университет» (г. Донецк)

Статьи по теме выпускной работы

4. Attention Is All You Need

   Авторы: Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Łukasz Kaiser, Illia Polosukhin

   Описание: В данной работе был предложена новая архитектура нейросетей, Трансформер. Основанная исключительно на механизме самовнимания, она позволяет полностью исключить свёртки и рекурсии в ИИ системах.

   Источник: 31st Conference on Neural Information Processing Systems (NIPS 2017), Long Beach, CA, USA.

5. Алгоритм поиска момента смены тренда во временных рядах метеорологических величин

   Авторы: Кузнецов А.Д., Саенко А.Г., Сероухова О.С.

   Описание: В данной работе был предложен алгоритм нахождения точки бифуркации во временном ряду. Проведено моделирование влияния погрешности измерений на устойчивость нахождения точки бифуркации.

   Источник: Вестник ТвГУ. Серия: Прикладная математика. 2019. № 3. С. 74–89.

6. Анализ временных рядов

   Авторы: Михайлов A.

   Описание: В данной работе были исследованы основные параметры временных рядов и группы методов, их моделирующие

   Источник: Хабр

7. Временные ряды и требования к ним

   Авторы: Кержаков Н.В.

   Описание: В данной статье рассмотрены временные ряды и требования, применяемые к ним.

   Источник: "Экономика и социум" №11(102)-2 2022

8. Методы моделирования одномерных временных рядов

   Авторы: Сарвиноз Фазлиддиновна Фахриддинова

   Описание: В статье выражаются основные методы экстраполяции, позволяющие распространить закономерности развития объекта в прошлом на его будущее.

   Источник: Academic Research in Educational Sciences Volume 4 | Issue 4 | 2023

9. Прогноз временных последовательностей с использованием обобщённого спектрально-аналитического метода

   Авторы: А.К. Бритенков, Ф.Ф. Дедус

   Описание: В данной работе рассмотрено применение обобщённого спектральноаналитического метода для прогноза временных рядов, предложено использование ортогональных базисов на основе классических полиномов непрерывного аргумента в задачах прогноза как частного случая экстраполяции, проанализировано применение дополнительных данных для улучшения достоверности прогноза.

   Источник: Вестник нижегородского университета им. Н.И. Лобачевского, 2012, №5(2)

Переводы статей

10. Ассистент на базе генеративного ИИ для ускорения миграции в облако

    Авторы: Amal Vaidya, Mohan Krishna Vankayalapati, Jacky Chan, Senad Ibraimoski, Sean Moran

    Описание: в данной работе был представлен инструмент, который использует генеративный искусственный интеллект для ускорения миграции локальных приложений в облако. Исследование показывает, что migration LLM может помочь неопытным пользователям найти правильный профиль облачной миграции, избегая при этом сложностей ручного подхода.

    Источник: Conference’17, July 2017, Washington, DC, USA