Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/10735
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Калугин Дмитрий Игоревич | ru_RU |
dc.contributor.author | Григорович Роман Владимирович | ru_RU |
dc.contributor.author | Grigorovich Roman | en_GB |
dc.contributor.editor | Графеева Наталья Генриховна | ru_RU |
dc.contributor.editor | Grafeeva Natalia Genrikhovnа | en_GB |
dc.date.accessioned | 2018-07-25T20:11:01Z | - |
dc.date.available | 2018-07-25T20:11:01Z | - |
dc.date.issued | 2017 | |
dc.identifier.other | 030749 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/10735 | - |
dc.description.abstract | Безработица является важной проблемой в современном мире. Это также важный фактор, связанный с экономическим развитием общества. В данной работе рассмотрены различные модели для прогнозирования числа безработных. Сначала рассматриваются модели, основанные на сглаживании, затем авторегрессионные модели, и наконец модели, основанные на применении нейронных сетей, такие как: многослойный перцептрон и рекуррентная нейронная сеть. В результате было получено, что рекуррентные нейронные сети и модель авторегрессии-скользящего среднего достаточно точно прогнозируют число безработных. | ru_RU |
dc.description.abstract | Unemployment is an important problem in the modern world. This is also an important factor associated with the economic development of society. In this paper, I consider various models for forecasting the number of unemployed. First, I consider models based on smoothing, then autoregressive models, and finally models based on neural networks, such as: a multilayer perceptron and a recurrent neural network. As a result, it was found that the recurrent neural networks and the autoregressive-moving average model quite accurately predict the number of unemployed. | en_GB |
dc.language.iso | ru | |
dc.subject | нейронные сети | ru_RU |
dc.subject | предсказательные модели | ru_RU |
dc.subject | временные ряды | ru_RU |
dc.subject | прогнозирование | ru_RU |
dc.subject | безработица | ru_RU |
dc.subject | экономические показатели | ru_RU |
dc.subject | neural networks | en_GB |
dc.subject | predictive models | en_GB |
dc.subject | timeseries | en_GB |
dc.subject | forecasting | en_GB |
dc.subject | unemployment | en_GB |
dc.subject | economic indicators | en_GB |
dc.title | Prediction of the unemployed number in the region: Development of criteria for the model | en_GB |
dc.title.alternative | Предсказание количества безработных в регионе: разработка критериев для модели | ru_RU |
Располагается в коллекциях: | BACHELOR STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
diploma_fixed.pdf | Article | 248,69 kB | Adobe PDF | Просмотреть/Открыть |
reviewSV_Otzyv_Grigorovich.docx | ReviewSV | 6,01 kB | Microsoft Word XML | Просмотреть/Открыть |
reviewSV_stt01479_Kalugin_Dmitrij_Igorevich_(reviewer)(Ru).txt | ReviewRev | 2,16 kB | Text | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.