Этот заказ уже выполнен на сервисе Автор24
На нашем сайте вы можете заказать учебную работу напрямую у любого из 72000 авторов, не переплачивая агентствам и другим посредникам. Ниже приведен пример уже выполненной работы нашими авторами!
Узнать цену на свою работу

Применение сетей Кохонена в задачах прогнозирования временных рядов

Номер заказа
400382
Создан
4 августа 2017
Выполнен
11 августа 2017
Стоимость работы
2240
Проблема по высшей математике. Срочно закажу дипломную работу по высшей математике. Есть буквально 7 дней. Тема работы «Применение сетей Кохонена в задачах прогнозирования временных рядов ».
Всего было
12 предложений
Заказчик выбрал автора
Этот заказ уже выполнен на сервисе Автор24
На нашем сайте вы можете заказать учебную работу напрямую у любого из 72000 авторов, не переплачивая агентствам и другим посредникам. Ниже приведен пример уже выполненной работы нашими авторами!
Узнать цену на свою Дипломную работу
Или вы можете купить эту работу...
Страниц: 60
Оригинальность: Неизвестно
2240
Не подошла
данная работа?
Вы можете заказать учебную работу
на любую интересующую вас тему
Заказать новую работу

Задача прогнозирования временных рядов актуальна и решается на основании модели прогнозирования. Одним из наиболее используемых классов моделей прогнозирования является класс моделей на основе сетей Кохонена.
Установлено, что основным недостатком данного класса является большое число свободных параметров, требующих определения. Определено перспективное направление развития моделей прогнозирования, позволяющее устранить указанный недостаток.
Изучены возможности прогнозирования временных рядов, идентификации модели и построения доверительного интервала прогнозных значений с помощью средств пакета MATLAB.
Выполнена программная реализация разработанных алгоритмов средствами математического пакета MATLAB для прогнозирования реальных данных: финансовых временных рядов на примере выборки рядов д Показать все
Прогнозирование будущих значений временных рядов на основе анализа предыдущих значений необходимо для управления деятельностью во многих отраслях хозяйства: стратегическое планирование структуры, видов и объемов различных работ на основе долгосрочных трендов, тактическое управление процессами с учетом сезонности и цикличности, оперативное управление при знании диапазонов изменений текущих значений параметров процесса. Эффективность руководства компаниями подразумевает накопление, обработку и анализ исторических значений параметров деятельности в базах данных [1].
Однако большое количество накопленных неструктурированных данных не приводит автоматически к повышению эффективности и качества их использования, поскольку, значительно увеличивая объемы входной информации для задачи прогнозирова Показать все
Оглавление
1. ОБЗОР МОДЕЛЕЙ ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ 7
1.1. Авторегрессионные модели 8
1.2. Модели экспоненциального сглаживания 9
1.3. Модели на базе цепей Маркова 11
1.4. Нейросетевые модели 14
1.5. Сравнение моделей прогнозирования 18
Выводы по 1-ой главе 20
2. КОМПЬЮТЕРНЫЕ НЕЙРОННЫЕ СЕТИ 21
2.1. Роль искусственных нейронных сетей в прогнозировании 21
2.2. Основные методы обучения нейронной сети 28
2.3. Обучение с учителем: алгоритм обратного распространения 28
2.4. Обучение без учителя: самоорганизующиеся структуры 29
3. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ И ОЦЕНКА ЭФФЕКТИВНОСТИ МОДЕЛИ СЕТЕЙ КОХОНЕНА В ЗАДАЧАХ ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ 35
3.1. Особенности программной реализации моделей нейронных сетей в пакете MATLAB 35
3.2. Моделирование сетей для прогнозирования финансовых временных Показать все
1. Бокс Дж., Дженкинс Г.М. Анализ временных рядов, прогноз и управление. М.: Мир, 1974. 406 с.
2. Gheyas I.A., Smith L.S. A Neural Network Approach to Time Series Forecasting // Proceedings of the World Congress on Engineering, London, 2009, Vol 2 [электронный ресурс]. P. 1292 – 1296. URL: www.iaeng.org /publication/WCE2009/WCE2009_pp1292-1296.pdf
3. Morariu N., Iancu E., Vlad S. A neural network model for time series forecasting // Romanian Journal of Economic Forecasting. 2009, No. 4. P. 213 – 223.
4. Mazengia D.H. Forecasting Spot Electricity Market Prices Using Time Series Models: Thesis for the degree of Master of Science in Electric Power Engineering. Gothenburg, Chalmers University of Technology, 2008. 89 p.
5. Нормативные системы в прогнозировании развития предпринимательского сек Показать все
5, по мере роста сигмоид приближается к функции единичного скачка с порогом T в точке x=0. Анализ функции сигмоида показывает, что выходное значение нейрона лежит в диапазоне [0,1]. Одним из преимуществ сигмоидной функции является простое выражение для ее производной:(15)Сигмоидная функция является дифференцируемой по всей оси абсцисс, что удобно использовать во многих алгоритмах обучения. Помимо этого она усиливает слабые сигналы лучше, чем большие, что препятствует насыщению от сильных сигналов, поскольку они приходятся на область аргументов, где сигмоид является пологим.Рис. 6. Однослойный перцептронОбщие черты, характерные для всех нейросетей, состоят в осуществимости возможности параллельной обработки сигналов, которая происходит вследствие объединения большого числа нейронов в сло Показать все
Автор24 - это фриланс-биржа. Все работы, представленные на сайте, загружены нашими пользователями, которые согласились с правилами размещения работ на ресурсе и обладают всеми необходимыми авторскими правами на данные работы. Скачивая работу вы соглашаетесь с тем что она не будет выдана за свою, а будет использована исключительно как пример или первоисточник с обязательной ссылкой на авторство работы. Если вы правообладатель и считаете что данная работа здесь размещена без вашего разрешения - пожалуйста, заполните форму и мы обязательно удалим ее с сайта. Заполнить форму
Оценим бесплатно
за 10 минут
Эта работа вам не подошла?
У наших авторов вы можете заказать любую учебную работу от 200 руб.
Оформите заказ и авторы начнут откликаться уже через 10 минут!
Заказать дипломную работу