Отрывок: sum(distances[:, np.newaxis] * x_train_matr, axis=0) distances.sum() for i in range(m): for j in range(n): denominator = 0 for k in range(n): denominator += (np.linalg.norm(x_train_matr[i] - clusters[j]) / np.linalg.norm( x_train_matr[i] - clusters[k])) ** (2 / (params.fz_factor - 1)) distrib_matr[i, j] = 1 / denominator loss = _fu...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorРусин М. А.ru
dc.contributor.authorМинаев А. А.ru
dc.contributor.authorСоловьева Я. В.ru
dc.contributor.authorМинистерство науки и высшего образования Российской Федерацииru
dc.contributor.authorСамарский национальный исследовательский университет им. С. П. Королева (Самарский университет)ru
dc.contributor.authorИнститут информатики и кибернетикиru
dc.coverage.spatialBitcoinru
dc.coverage.spatialCMEANSru
dc.coverage.spatialFUZZY MLPru
dc.coverage.spatialбиткоиныru
dc.coverage.spatialкриптовалютаru
dc.coverage.spatialкурс биткоинаru
dc.coverage.spatialмашинное обучениеru
dc.coverage.spatialмногослойный персептронru
dc.coverage.spatialнечеткие сети прямого распространенияru
dc.coverage.spatialпрогнозирование временных рядовru
dc.creatorРусин М. А.ru
dc.date.accessioned2023-10-09 10:41:42-
dc.date.available2023-10-09 10:41:42-
dc.date.issued2023ru
dc.identifierRU\НТБ СГАУ\ВКР20230926111049ru
dc.identifier.citationРусин, М. А. Прогнозирование курса биткоина с помощью модели машинного обучения : вып. квалификац. работа по направлению подгот. 09.04.01 "Информатика и вычислительная техника" (уровень магистратуры), профиль "Информационные системы и технологии" / М. А. Русин ; рук. работы А. А. Минаев ; нормоконтролер Я. В. Соловьева ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики и к. - Самара, 2023. - 1 файл (1,4 Мб). - Текст : электронныйru
dc.identifier.urihttp://repo.ssau.ru/handle/Vypusknye-kvalifikacionnye-raboty/Prognozirovanie-kursa-bitkoina-s-pomoshu-modeli-mashinnogo-obucheniya-106097-
dc.description.abstractОбъектом исследования являются алгоритмы машинного обучения, применяемые для решения задач прогнозирования временных рядов. Предмет исследования – прогнозирование курса биткоина моделью машинного обучения. Цель работы – реализовать и обучить модель машинного обучения, которая сможет давать приемлемый прогноз курса биткоина на малом горизонте прогнозирования. В процессе работы реализована и обучена модель нечеткой нейронной сети прямого распространения (нечеткий многослойный персептрон), проанализирована эффективность данной сети при прогнозировании временного ряда курса криптовалюты Bitcoin. Были проанализированы возможные пути модификации и расширения модели с целью повышения качества прогноза.ru
dc.titleПрогнозирование курса биткоина с помощью модели машинного обученияru
dc.typeTextru
dc.subject.rugasnti50.01ru
dc.subject.udc004.032.26ru
dc.textpartsum(distances[:, np.newaxis] * x_train_matr, axis=0) distances.sum() for i in range(m): for j in range(n): denominator = 0 for k in range(n): denominator += (np.linalg.norm(x_train_matr[i] - clusters[j]) / np.linalg.norm( x_train_matr[i] - clusters[k])) ** (2 / (params.fz_factor - 1)) distrib_matr[i, j] = 1 / denominator loss = _fu...-
Располагается в коллекциях: Выпускные квалификационные работы

Файлы этого ресурса:
Файл Размер Формат  
Русин_Максим_Алексеевич_Прогнозирование_курса_биткоина.pdf1.4 MBAdobe PDFПросмотреть/Открыть  
Показать базовое описание ресурса Просмотр статистики
Поделиться:



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