Повнотекстовий пошук
Пошуковий запит: (<.>A=Shulkevych T$<.>) |
Загальна кількість знайдених документів : 2
Представлено документи з 1 до 2
|
1. |
Shulkevych T. V. Data mining mathematical apparatus for forecasting of nonlinear nonstationary processes of various nature [Електронний ресурс] / T. V. Shulkevych, I. V. Baklan, Yu. M. Selin // Системні технології. - 2016. - Вип. 6. - С. 151-158. - Режим доступу: http://nbuv.gov.ua/UJRN/st_2016_6_19 Описано математичний апарат, який може бути використаний для аналізу даних різної природи для прогнозування нелінійних нестаціонарних процесів. Описано методи прихованих марковських моделей, такі траєкторії і лінгвістичне моделювання.
| 2. |
Baklan I. V. Some aspects of nonlinear non-stationary processes forecasting [Електронний ресурс] / I. V. Baklan, V. V. Savchenko, Y. M. Selin, T. V. Shulkevych // Системні технології. - 2017. - Вип. 6. - С. 31-42. - Режим доступу: http://nbuv.gov.ua/UJRN/st_2017_6_6 Викладено математичний апарат, що можна застосовувати в задачах аналізу даних різної природи задля прогнозування нелінійних нестаціонарних процесів. Наведено результати його застосування для прогнозування таких процесів. Зазначимо, що майже всі вони є нелінійними та нестаціонарними (можна казати виключно про кусочну лінійність та кусочну стаціонарність). Але вся ця кількість наявних методів прогнозування не дають гарантію що вони покривають вся можливі варіанти розвитку ситуації. Разом з тим, переважна більшість методів є двохетапними. На першому етапі аналізуються параметри раду, що прогнозується, на другому етапі обирається відповідний метод прогнозування і, нарешті, отримується прогноз. Але що робити, коли параметри ряду змінюються? Один метод вже неможна використовувати, бо параметри ряду вже змінилися, а обрати інший ще не можна, бо процес зміни параметрів ще не завершився.
|
|
|