1. Репозиторий Самарского национального исследовательского университета имени академика С.П. Королёва
  2. 04. Материалы конференций
  3. Информационные технологии и нанотехнологии
Full metadata record
DC FieldValueLanguage
dc.contributor.authorЛазутов М. Ю.
dc.coverage.spatialGRU
dc.coverage.spatialFRNN
dc.coverage.spatialLSTM
dc.coverage.spatialзадача прогнозирования
dc.coverage.spatialрезультаты тестирования моделей
dc.coverage.spatialрекуррентные нейронные сети
dc.coverage.spatialспособы структурирования
dc.coverage.spatialхаотические временные ряды
dc.creatorЛазутов М. Ю.
dc.date2024
dc.date.accessioned2025-08-22T12:18:18Z-
dc.date.available2025-08-22T12:18:18Z-
dc.date.issued2024
dc.identifier.identifierRU\НТБ СГАУ\563512
dc.identifier.citationЛазутов, М. Ю. Особенности применения рекуррентных нейронных сетей для решения задачи прогнозирования хаотических временных рядов / М. Ю. Лазутов // Информационные технологии и нанотехнологии (ИТНТ-2024) : сб. тр. по материалам X Междунар. конф. и молодеж. шк. (г. Самара, 20-24 мая 2024 г.): в 6 т. / М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т). - Самара : Изд-во Самар. ун-та, 2024. - Т. 4: Науки о данных / под ред. Е. В. Гошина, 2024. - С. 040482.
dc.identifier.urihttp://repo.ssau.ru/jspui/handle/123456789/12543-
dc.description.abstractИсследуются особенности GRU-сетей, LSTM-сетей и полностью рекуррентных сетей при решении задачи прогнозирования хаотических временных рядов. Рассматриваются различные способы структурирования нейронных сетей. Предобработка исходных данных проводится с использованием методов анализа нелинейных временных рядов. Было показано, что с использованием GRU сети с одним скрытым слоем из 64 нейронов можно уменьшить MAE до 0,000853 при прогнозировании координаты x системы Лоренца. C использованием GRU сети с одним скрытым слоем из 128 нейронов можно уменьшить MAE до 0,00062 при прогнозировании координаты x системы Рёсслера.
dc.languagerus
dc.relation.ispartofИнформационные технологии и нанотехнологии (ИТНТ-2024) : сб. тр. по материалам X Междунар. конф. и молодеж. шк. (г. Самара, 20-24 мая 2024 г.): в 6 т.
dc.sourceИнформационные технологии и нанотехнологии (ИТНТ-2024). - Т. 4 : Науки о данных
dc.subjectGRU
dc.subjectFRNN
dc.subjectLSTM
dc.subjectзадача прогнозирования
dc.subjectрезультаты тестирования моделей
dc.subjectрекуррентные нейронные сети
dc.subjectспособы структурирования
dc.subjectхаотические временные ряды
dc.titleОсобенности применения рекуррентных нейронных сетей для решения задачи прогнозирования хаотических временных рядов
dc.typeText
dc.citation.spage040482
dc.citation.volume4
local.contributor.authorЛазутов М. Ю.
local.identifier.oldurihttp://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Osobennosti-primeneniya-rekurrentnyh-neironnyh-setei-dlya-resheniya-zadachi-prognozirovaniya-haoticheskih-vremennyh-ryadov-112725
local.identifier.oldurihttp://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Osobennosti-primeneniya-rekurrentnyh-neironnyh-setei-dlya-resheniya-zadachi-prognozirovaniya-haoticheskih-vremennyh-ryadov-112725
Appears in Collections:Информационные технологии и нанотехнологии

Files in This Item:
File SizeFormat 
978-5-7883-2081-6_2024-040482.pdf354.31 kBAdobe PDFView/Open
Show simple item record


Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.