1. Репозиторий Самарского национального исследовательского университета имени академика С.П. Королёва
  2. 05. Выпускные квалификационные работы
  3. Выпускные квалификационные работы
Full metadata record
DC FieldValueLanguage
dc.contributor.authorВоронов А. А.
dc.contributor.authorСолдатова О. П.
dc.contributor.authorБельгер И. С.
dc.coverage.spatialLSTM
dc.coverage.spatialвременные ряды потребления электроэнергии
dc.coverage.spatialзадача регрессии
dc.coverage.spatialмодели регрессии
dc.coverage.spatialпогрешность прогнозирования
dc.coverage.spatialрекурентная нейронная модель с памятью
dc.creatorВоронов А. А.
dc.date2024
dc.date.accessioned2025-11-27T12:35:18Z-
dc.date.available2025-11-27T12:35:18Z-
dc.date.issued2024
dc.identifier.identifierRU\НТБ СГАУ\ВКР20241004103732
dc.identifier.citationВоронов, А. А. Решение задачи прогнозирования потребления электроэнергии с помощью сетей LSTM : вып. квалификац. работа по направлению подгот. 09.04.01 Информатика и вычислительная техника (уровень магистратуры), профиль «Информационные системы и технологии» / А. А. Воронов ; рук. работы О. П. Солдатова ; нормоконтролер И. С. Бельгер ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики. - Самара, 2024. - 1 файл (5,4 Мб). - Текст : электронный
dc.identifier.urihttp://repo.ssau.ru/jspui/handle/123456789/52967-
dc.description.abstractЦелью данной выпускной квалификационной работы магистра является анализ моделей для решения задачи прогнозирования финансовых временных рядов. Разработана интеллектуальная система, в которой реализованы:− анализ входных данных, нормализация− построение и обучение модели рекуррентной нейронной сети LSTM;− решение задачи прогнозирования анализируемыми моделями;− вывод результатов работы моделиАвтоматизированная система разработана на языке Python версии 3.10.6 в среде разработки PyCharm 2023.1.3 для работы под управлением любой операционной системы, имеющей интерпретатор для Python.
dc.subjectLSTM
dc.subjectвременные ряды потребления электроэнергии
dc.subjectзадача регрессии
dc.subjectмодели регрессии
dc.subjectпогрешность прогнозирования
dc.subjectрекурентная нейронная модель с памятью
dc.subject.rugasnti50.33.39
dc.subject.udc004.032.26
dc.titleРешение задачи прогнозирования потребления электроэнергии с помощью сетей LSTM
dc.typeText
local.contributor.authorМинистерство науки и высшего образования Российской Федерации
local.contributor.authorСамарский национальный исследовательский университет им. С. П. Королева (Самарский университет)
local.contributor.authorИнститут информатики и кибернетики
local.identifier.oldurihttp://repo.ssau.ru/handle/Vypusknye-kvalifikacionnye-raboty/Reshenie-zadachi-prognozirovaniya-potrebleniya-elektroenergii-s-pomoshu-setei-LSTM-112039
local.identifier.oldurihttp://repo.ssau.ru/handle/Vypusknye-kvalifikacionnye-raboty/Reshenie-zadachi-prognozirovaniya-potrebleniya-elektroenergii-s-pomoshu-setei-LSTM-112039
Appears in Collections:Выпускные квалификационные работы

Files in This Item:
File SizeFormat 
Воронов_Александр_Алексеевич_Решение_задачи_прогнозирования_потребления.pdf5.5 MBAdobe PDFView/Open    Request a copy
Show simple item record


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