Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://earchive.tpu.ru/handle/11683/61069
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Шинкеев, Михаил Леонидович | ru |
dc.contributor.author | Булыкина, Анастасия Александровна | ru |
dc.date.accessioned | 2020-06-12T06:57:10Z | - |
dc.date.available | 2020-06-12T06:57:10Z | - |
dc.date.issued | 2020 | - |
dc.identifier.citation | Булыкина А. А. Прогнозирование финансовых временных рядов с использованием нейронных сетей : магистерская диссертация / А. А. Булыкина ; Национальный исследовательский Томский политехнический университет (ТПУ), Инженерная школа ядерных технологий (ИЯТШ), Отделение экспериментальной физики (ОЭФ) ; науч. рук. М. Л. Шинкеев. — Томск, 2020. | - |
dc.identifier.uri | http://earchive.tpu.ru/handle/11683/61069 | - |
dc.description.abstract | Разработан подход к проблеме прогнозирования, в основе которого лежат нейросетевые методы. Они отличаются своей способностью устанавливать нелинейные связи между будущими и фактическими значениями и хорошей масштабируемостью. В работе была определена архитектура нейронной сети и оптимизированы параметры сети. Используя многослойный персептрон и алгоритм обучения BFGS, в среде STATISTICA 10.0 были построены нейронные сети, позволяющие получить краткосрочные прогнозы котировок ценных бумаг на фондовом рынке для задач регрессии и классификации. | ru |
dc.description.abstract | In this paper, to solve the problem of predicting financial time series, neural network methods are considered, which differ from other models in their ability to establish non-linear relationships between future and actual values and good scalability. A neural network should be optimal in terms of internal structure, a way to control information flows between neurons. Using a multilayer perceptron and BFGS learning algorithm, neural networks were constructed in the STATISTICA 10.0 environment, allowing to obtain short-term forecasts of stock quotes on the stock market for tasks of regression and classification. | en |
dc.format.mimetype | application/pdf | - |
dc.language.iso | ru | en |
dc.rights | info:eu-repo/semantics/openAccess | - |
dc.subject | нейронная сеть | ru |
dc.subject | многослойный персептрон | ru |
dc.subject | прогнозирование | ru |
dc.subject | финансовые временные ряды | ru |
dc.subject | ошибка прогноза | ru |
dc.subject | neural networks | en |
dc.subject | multilayer perceptron | en |
dc.subject | prediction | en |
dc.subject | financial time series | en |
dc.subject | prediction error | en |
dc.title | Прогнозирование финансовых временных рядов с использованием нейронных сетей | ru |
dc.type | Students work | - |
local.department | Национальный исследовательский Томский политехнический университет (ТПУ)::Инженерная школа ядерных технологий (ИЯТШ)::Отделение экспериментальной физики (ОЭФ) | - |
local.institut | 7863 | - |
local.localtype | Студенческая работа | - |
dc.subject.oksvnk | 01.04.02 | - |
local.thesis.level | Магистр | ru |
local.thesis.discipline | Прикладная математика и информатика | - |
local.local-vkr-id | 762730 | - |
local.vkr-id | 43471 | - |
local.stud-group | 0ВМ81 | - |
local.lichnost-id | 167013 | - |
local.thesis.level-id | 3 | - |
local.tutor-lichnost-id | 62209 | - |
dc.subject.udc | 519.246:336:004.7.032.26 | - |
Располагается в коллекциях: | Магистерские диссертации |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
TPU930425.pdf | 4,3 MB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.