Репозиторий Самарского университета

Отрывок: В качестве альтернативных были реализованы следующие подходы по прогнозированию временных рядов:  Линейная регрессия– для определения тренда,  Fuzzy S-model,  ARIMA [5],  Нейросеть LSTM архитектуры (с использованием библиотеки keras)[6]. По спрогнозированным в результате применения одного из выбранных алгоритмов точкам строится график. Искусственный интеллект и науки о данных VII Международная конференция и молодёжная школа «Информационные технологии и нанотехнологии» (ИТНТ-2021)...

Название :	Разработка мобильной системы интерактивного прогнозирования данных статистических графиков
Авторы/Редакторы :	Мошкин В. С. Андреев И. А. Аверин Д. С.
Дата публикации :	2021
Библиографическое описание :	Мошкин, В. С. Разработка мобильной системы интерактивного прогнозирования данных статистических графиков / В. С. Мошкин, И. А. Андреев, Д. С. Аверин // Информационные технологии и нанотехнологии (ИТНТ-2021) : сб. тр. по материалам VII Междунар. конф. и молодеж. шк. (г. Самара, 20-24 сент.) : [в 3 т.] / М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изображений РАН - фил. ФНИЦ "Кристаллография и фотоника РАН. - Самаpа : Изд-во Самар. ун-та, 2021Т. 3: Искусственный интеллект и науки о данных. - 2021. - С. 030622.
Другие идентификаторы :	RU\НТБ СГАУ\466117
Ключевые слова:	архитектура программной системы распознавание графиков функций прогнозирование временных рядов компьютерное зрение нейронные сети машинное обучение
Располагается в коллекциях:	Информационные технологии и нанотехнологии

Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.