| dc.contributor.author | Гарус, Орина | |
| dc.date.accessioned | 2020-12-26T07:15:12Z | |
| dc.date.available | 2020-12-26T07:15:12Z | |
| dc.date.issued | 2020 | |
| dc.identifier.uri | http://ir.nmu.org.ua/handle/123456789/156853 | |
| dc.description | Мета дослідження: отримання адекватного середньострокового прогнозу
для часового ряду грошових залишків на банківських картках.
Методи дослідження та апаратура: спостереження, порівняння та
пояснення методів машинного навчання застосованих до проблеми
прогнозування; мова програмування Python.
В інформаційно-аналітичному розділі наведені означення прогнозування,
часових рядів, розглянуті методи їх аналізу та прогнозування.
У спеціальному розділі були обрані оптимальні методи машинного навчання
для прогнозування – проста нейромережа, нейромережа довгої короткострокової
пам’яті, трипараметрична модель прогнозу – метод Хольта-Вінтерса. А також
додатковий метод для препроцесінгу даних – емпірична модова декомпозиція для
згладжування даних. | ru_RU |
| dc.description.abstract | Об’єкт дослідження: прогнозування часового ряду щоденних грошових
залишків на банківських картках.
Мета дослідження: отримання адекватного середньострокового прогнозу
для часового ряду грошових залишків на банківських картках.
Практична цінність отриманих у роботі результатів полягає у зменшенні
часу, необхідного для обробки вхідних даних та подальшому якісному їх
прогнозуванні. В результаті підвищується якість і швидкість прогнозу | ru_RU |
| dc.language.iso | uk | ru_RU |
| dc.subject | прогнозування | ru_RU |
| dc.subject | машинне навчання | ru_RU |
| dc.subject | нейрона мережа | ru_RU |
| dc.title | Застосування методів машинного навчання до проблеми прогнозування залишків на банківських картах | ru_RU |
| dc.title.alternative | ПОЯСНЮВАЛЬНА ЗАПИСКА кваліфікаційної роботи магістра студентки групи 124м–19–1 Гарус Орини Ігорівни спеціальності 124 Системний аналіз | ru_RU |
| dc.type | Learning Object | ru_RU |
