Вісник № 01. Інформатика та моделювання
Постійне посилання колекціїhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/75744
Переглянути
2 результатів
Результати пошуку
Документ Аналіз нейромережевих моделей LSTM та GMDH для прогнозування криптовалюти(Національний технічний університет "Харківський політехнічний інститут", 2020) Мороз, Володимир В.; Хелвіг, Д.; Мороз, Дмитро В.; Жуков, Павло П.Досліджується застосування нейромережевих моделей для задачі прогнозування цін на криптовалюти. На відміну від класичних статистичних методів аналізу фінансових і економічних рядів, в основі яких є багатовимірний лінійний регресійний аналіз, пропонується модель з пам'яттю та адаптивна поліноміальна модель. Апробація моделей проводиться на даних криптовалютних ринків завдяки їх високій волатильності та низькій кореляції з традиційними активами. Для прогнозування застосовуються GMDH та LSTM нейронні мережі. Доведена перевага поліноміальної регресійної моделі GMDH за критерієм швидкість-точність прогнозування.Документ Анализ и совершенствование компонент вычислительных моделей и систем, основанных на иммунной парадигме(Національний технічний університет "Харківський політехнічний інститут", 2020) Дмитриенко, Валерий Дмитриевич; Леонов, Сергей ЮрьевичОдним из основных компонент иммунных систем является компонент, оценивающий степень взаимосвязи между входными данными системы (антигенами) и детекторами их распознающими (антителами). Этот компонент базируется на основных четырех пространственных формах: евклидовой, хемминговой, целочисленной и символьной. В данной статье предлагается использовать для сопоставления элементов искусственной иммунной системы (ИИС) гибридные нейронные сети, являющиеся развитием нейронной сети Хемминга. На входы этих сетей могут подаваться как однотипные компоненты (двоичные, целочисленные (алфавит которых содержит более двух символов), вещественные, символьные), так и различные комбинации таких компонент.