Показати скорочений опис матеріалу
Гібридні та ансамблеві методи та моделі машинного навчання прогнозування фінансових часових рядів
dc.contributor.author | Токарєва, Катерина | |
dc.date.accessioned | 2024-03-26T07:12:51Z | |
dc.date.available | 2024-03-26T07:12:51Z | |
dc.date.issued | 2024-03-25 | |
dc.identifier.citation | Токарєва К.А. Гібридні та ансамблеві методи та моделі машинного навчання прогнозування фінансових часових рядів. Квалiфiкацiйна наукова праця на правах рукопису. Дисертація на здобуття наукового ступеня доктора фiлософiї за спецiальнiстю 113 – Прикладна математика. Чернівецький національний університет iменi Юрiя Федьковича МОН України, Чернiвцi, 2024. 152 с. | uk_UA |
dc.identifier.uri | https://archer.chnu.edu.ua/xmlui/handle/123456789/9861 | |
dc.description.abstract | Кваліфікаційна наукова праця на правах рукопису. Дисертація на здобуття наукового ступеня доктора філософії за спеціальністю 113 – Прикладна математика. Дисертаційна робота присвячена побудові гібридних алгоритмів на основі методів та моделей машинного навчання та класичних алгоритмів часових рядів. Результати дисертаційної роботи є підґрунтям для подальших теоретичних і практичних наукових розробок у дослідженні гібридних алгоритмів побудови прогнозу для фінансових часових рядів. | uk_UA |
dc.language.iso | other | uk_UA |
dc.publisher | Чернівецький національний університет імені Юрія Федьковича | uk_UA |
dc.subject | стохастичні диференціально-функціональні рівняння | uk_UA |
dc.subject | генетичний алгоритм | uk_UA |
dc.subject | прогнозування фінансових процесів | uk_UA |
dc.subject | стохастична оптимізація | uk_UA |
dc.subject | нейронні мережі | uk_UA |
dc.subject | оцінка параметрів | uk_UA |
dc.subject | метод зворотного поширення | uk_UA |
dc.subject | часові ряди | uk_UA |
dc.subject | штучний інтелект | uk_UA |
dc.subject | машинне навчання | uk_UA |
dc.subject | моделювання фондових індексів | uk_UA |
dc.subject | часовий ряд фінансових даних | uk_UA |
dc.subject | органiзацiйна карта Кохонена | uk_UA |
dc.subject | адаптивна нейро-нечiтка система виводу | uk_UA |
dc.subject | оцінка похибки | uk_UA |
dc.title | Гібридні та ансамблеві методи та моделі машинного навчання прогнозування фінансових часових рядів | uk_UA |
dc.type | Thesis | uk_UA |
Долучені файли
Даний матеріал зустрічається у наступних фондах
-
Дисертації
Дисертації аспірантів та докторантів факультету