Отрывок: Объединенные выходные данные являются предсказаниями заданных учителем целевых сигналов [9]. Двунаправленные LSTMs поддерживаются в «Keras» через двунаправленный слой обертки [11]. Эта обертка принимает в качестве аргумента рекуррентный уровень (например, первый уровень LSTM). Архитектура рекуррентной нейронной сети представлена на рисунке 15. Для реализации использовался язык программирования Python и открытая нейросетевая библиотека «Keras». Рисунок 15 – Схематичн...
Название : Реализация и исследование методов анализа и прогнозирования временных рядов
Авторы/Редакторы : Каткова П. В.
Белоусов А. А.
Министерство науки и высшего образования Российской Федерации
Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет)
Институт информатики
математики и электроники
Дата публикации : 2019
Библиографическое описание : Каткова, П. В. Реализация и исследование методов анализа и прогнозирования временных рядов : вып. квалификац. работа по направлению подгот. 01.03.02 "Прикладная математика и информатика" (уровень бакалавриата) / П. В. Каткова ; рук. работы А. А. Белоусов ; нормоконтролер С. В. Суханов ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики,. - Самара, 2019. - on-line
Аннотация : Объектом исследования являются временные ряды, описывающие динамику курса валюты.Цель работы – исследовать методы прогнозирования для временных рядов и определить наилучший метод для прогнозирования курса валюты.Были изучены характеристические данные вр
Другие идентификаторы : RU\НТБ СГАУ\ВКР20191021155348
Ключевые слова: ряд Фурье
прогнозирование временных рядов
моделирование
нейронные сети
статистический анализ
Располагается в коллекциях: Выпускные квалификационные работы




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