Гарус, ОринаОринаГарус2020-12-262020-12-262020http://ir.nmu.org.ua/handle/123456789/156853Мета 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.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 прогнозуukпрогнозуваннямашинне навчаннянейрона мережаLearning Object