Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/46509
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Пашкевич Василий Эрикович | ru_RU |
dc.contributor.advisor | Paskevic Vasilij Erikovic | en_GB |
dc.contributor.author | Топпер Алина Михайловна | ru_RU |
dc.contributor.author | Topper Alina Mihajlovna | en_GB |
dc.contributor.editor | Сергеев Сергей Львович | ru_RU |
dc.contributor.editor | Sergeev Sergej Lvovic | en_GB |
dc.date.accessioned | 2024-07-25T11:50:25Z | - |
dc.date.available | 2024-07-25T11:50:25Z | - |
dc.date.issued | 2024 | |
dc.identifier.other | 089228 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/46509 | - |
dc.description.abstract | Цель работы - разработать программное решение для прогнозирования рейтингов аниме, используя методы математической статистики и нейронных сетей. Методы исследования включают теоретический анализ, структурирование данных, применение методов глубокого обучения и математической статистики. Результаты работы включают обзор методов машинного обучения и нейронных сетей, проведение анализа данных и сравнение моделей глубокого обучения, а также разработку и реализацию математической модели на языке программирования Java и мобильного приложения для прогнозирования рейтингов. Основным достижением является создание математической модели, решающей поставленную задачу, с помощью выведенных параметров и работы многослойного перцептрона (MLP), обеспечивающего высокую точность прогнозирования. Практическая значимость работы заключается в возможности использования разработанного программного обеспечения для создателей аниме и команд, занимающихся локализацией контента. Модель может быть адаптирована для прогнозирования рейтингов в других областях. В ходе работы проведен обзор предметной области и подходов глубокого обучения, разработана и реализована математическая модель, разработана программа для создания и анализа наборов данных, проведен анализ данных и значимости признаков, создано Android приложение для прогнозирования рейтингов. Модель показала хорошие результаты, и предложенная формула может быть расширена на большее количество параметров. | ru_RU |
dc.description.abstract | The objective of this work is to develop a software solution for predicting anime ratings using methods of mathematical statistics and neural networks. The research methods include theoretical analysis, data structuring, the application of deep learning methods, and mathematical statistics. The results of the work encompass a review of machine learning and neural network methods, data analysis and model comparison, as well as the development and implementation of a mathematical model in the Java programming language and a mobile application for rating prediction. The main achievement is the creation of a mathematical model that addresses the set task using derived parameters and the operation of a multilayer perceptron (MLP), ensuring high prediction accuracy. The practical significance of the work lies in the potential use of the developed software by anime creators and teams involved in content localization. The model can be adapted for rating prediction in other fields. During the course of the work, an overview of the subject area and deep learning approaches was conducted, a mathematical model was developed and implemented, a program for creating and analyzing data sets was developed, data and feature significance analysis was performed, and an Android application for rating prediction was created. The model demonstrated good results, and the proposed formula can be expanded to include more parameters. | en_GB |
dc.language.iso | ru | |
dc.subject | Прогнозирование успеха аниме | ru_RU |
dc.subject | машинное обучение | ru_RU |
dc.subject | нейронные сети | ru_RU |
dc.subject | извлечение данных | ru_RU |
dc.subject | многослойный перцептрон | ru_RU |
dc.subject | методы математической статистики | ru_RU |
dc.subject | линейная регрессия | ru_RU |
dc.subject | Predicting anime success | en_GB |
dc.subject | machine learning | en_GB |
dc.subject | neural networks | en_GB |
dc.subject | data extraction | en_GB |
dc.subject | multilayer perceptron | en_GB |
dc.subject | methods of mathematical statistics | en_GB |
dc.subject | linear regression | en_GB |
dc.title | Neural network technologies and mathematical statistics methods for forecasting ratings of animated works | en_GB |
dc.title.alternative | Нейросетевые технологии и методы математической статистики для прогнозирования рейтингов анимационных произведений | ru_RU |
Располагается в коллекциях: | BACHELOR STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
vkr_topper.pdf | Article | 1,83 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_st089228_Topper_Alina_Mihajlovna_(supervisor)(Ru).txt | ReviewSV | 2,2 kB | Text | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.