Ви є тут

Разработка и исследование методов прогнозирования на основе SVM-моделей

Автор: 
Шумков Дмитрий Сергеевич
Тип роботи: 
кандидатская
Рік: 
2009
Кількість сторінок: 
143
Артикул:
246783
179 грн
Додати в кошик

Вміст

Содержание
Список математических обозначений
Введение
1. Исследование и анализ методов прогнозирования временных
1.1. Решение задачи прогнозирования временных рядов при
ограниченном наборе данных
1.2. Методы обучения и подбора входных параметров БУМмодели
1.3. Особенности и недостатки программных средств на основе
1.4. Методы повышения точности прогнозирования 8УМ
Основные результаты и выводы по главе.
2. Обучение и подбор входных параметров 8УМмодели.
2.1. Основные входные параметры БУМ и их влияние на прогнозную
модель.
2.2. Методы обучения и подбора входных параметров БУМмодели
2.3. Методы оценки эффективности альтернативных 8УМмоделей.
2.4. Результаты вычислительных экспериментов на модельных данных
Основные результаты и выводы по главе.
3. Методы и модели повышения точности прогноза 8УМ на основе
использования ансамблей предикторов.
3.1. Методы многошагового прогнозирования временных рядов
3.2. Комбинированный метод прогнозирования на основе 8УМ
3.3. Методы нормализации входных данных.
3.4. Результаты вычислительных экспериментов на модельных
Основные результаты и выводы по главе.
4. Разработка программного обеспечения для прогнозирования временных рядов на основе БУМ.
4.1. Особенности разработанного программного обеспечения
4.2. Повышение скорости обучения БУМмоделей
4.3. Результаты вычислительных экспериментов
Основные результаты и выводы по главе
Заключение.
Библиографический список
Приложение 1
Приложение 2
Приложение 3
Список математических обозначений
а скалярная величина
а вектор
А матрица
.,.а1 вектор, матрица
i координата вектора а
i ячейка матрицы Л
а,,а2 скалярное произведение
, х, х функция потерь, функция риска
Н пространство прогнозирующих функций
У х функцияпредиктор из класса Н
хл,п набор обучающих данных
Лг количество элементов в обучающем наборе
количество элементов во временном ряду
дельтафункция Т дальность прогнозирования
С м сложность модели
Е нормализованная среднеквадрагическая ошибка
х реальное значение временного ряда
х прогнозное значение временного ряда
длина входного вектора
эффективность модели
Ку функция ядра
0 множество входных параметров Vмодели
Введение
Актуальность