2022
Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/56991
Переглянути
4 результатів
Результати пошуку
Документ Вейвлетний аналіз та прогнозування фінансових часових рядів(Національний технічний університет "Харківський політехнічний інститут", 2022) Міловська, К. М.; Мороз, В. В.В роботі розглянуто моделі та методи прогнозування фінансових часових рядів. Проаналізовано основні переваги та недоліки традиційних моделей та нейронних мереж для прогнозування без попередньої обробки даних. Застосовано вейвлетний аналіз та рекурентна нейромережа з довгою короткостроковоюпам’яттю (LSTM) для прогнозування курсу криптовалюти. Отримані результати порівнюються з результатами існуючих підходів, визначено ефективність запропоновано рішення.Документ Дослідження нейронних мереж для прогнозування вартості акцій компаній у нестабільній економіці(Національний технічний університет "Харківський політехнічний інститут", 2022) Москаленко, В'ячеслав Васильович; Санталова, Анастасія Романівна; Фонта, Наталія ГригорівнаДані дослідження присвячені аналізу і вибору нейронних мереж різної архітектури та гібридних моделей, до яких включені нейронні мережі, для прогнозування ринкової вартості акцій на фондовому ринку країни, яка перебуває у процесі нестабільного розвитку. Аналіз та прогнозування таких фондових ринків не може бути проведено з використанням класичних методів. Актуальність теми дослідження зумовлена необхідністю розробки програмних систем, які реалізують алгоритмічне забезпечення прогнозування ринкової вартості акцій в Україні. Впровадження таких програмних систем до контуру прийняття інвестиційних рішень у компаніях, які зацікавлені у підвищенні інформаційної прозорості фондового ринку України, дасть можливість покращити прогнози щодо ринкової вартості акцій. Це у свою чергу сприятиме покращенню інвестиційного клімату та забезпечить зростання інвестування в українську економіку. Проведено аналіз результатів існуючих досліджень щодо використання нейронних мереж та інших методів обчислювального інтелекту для моделювання поведінки учасників фондового ринку та прогнозування ринку. У статті надано результати дослідження щодо використання нейронних мереж різної архітектури для прогнозування ринкової вартості акцій на фондових ринках України. Для прогнозування було обрано чотири акції Української фондової біржі: Центренерго (CEEN); Укртелеком (UTLM); Крюківський Вагонобудівний Завод ПАТ (KVBZ); Райффайзен Банк Аваль (BAVL). Для експериментального дослідження були обрані такі моделі: довга короткострокова пам’ять LSTM; згорткова нейронна мережа CNN; гібридна модель, яка поєднує дві нейронної мережі CNN і LSTM; гібридна модель, що складається з алгоритму декомпозиції варіаційного режиму та нейронної мережі довгострокової пам’яті (VMD-LSTM); гібридна модель VMD-CNN-LSTM глибокого навчання на основі варіаційного режиму (VMD) та двох нейронних мереж. Розраховано оцінки якості прогнозу за різними метриками. Зроблено висновок, що використання гібридної моделі VMD-CNN-LSTM дає мінімальну помилку прогнозування ринкової вартості акцій українських підприємств. Також доцільно використовувати модель VMD-LSTM для прогнозування на біржах країн з нестабільною економікою.Документ Планування часу виконання робіт у гібридних проєктах(Національний технічний університет "Харківський політехнічний інститут", 2022) Тригуба, Анатолій Миколайович; Кондисюк, Ігор Васильович; Коваль, Назар Ярославович; Тригуба, Інна Леонтіївна; Боярчук, Оксана; Боярчук, Олег ВіталійовичОбґрунтована структура нейронної мережі для планування природно-дозволеного фонду часу на виконання робіт впродовж життєвого циклу гібридних проєктів. Вона передбачає 5 входів, які відображають значення тривалості природно-дозволеного часу на виконання робіт у 5 попередніх добах, та 2 прихованих шари, що мають по 5 нейронів. Архітектура нейронної мережі передбачає використання багатошарово персептрона, виконання навчання із учителем та методу зворотного поширення похибки. Він базується на алгоритмі, який забезпечує мінімізацію помилки прогнозу завдяки поширенню сигналів помилки від виходів мережі (прогнозної тривалості фонду часу на виконання робіт) до її входів (значень тривалості фонду часу на виконання робіт у попередніх добах), в напрямку, який є зворотним до прямого поширення сигналів. Проведені дослідження на основі навчання нейронної мережі показують, що за кількості епох навчання понад 25000, похибка прогнозу не перевищує 4,8 %. Для навчання нейронної мережі використано статистичні дані літніх місяців 2020 року, які характерні для умов Володимир-Волинського району Волинської області.Документ Моделювання формоутворення гнутого профілю зі змінним перерізом(Національний технічний університет "Харківський політехнічний інститут", 2022) Губський, Сергій Олександрович; Чухліб, Віталій Леонідович; Біба, Микола ВікторовичВ статті проведений узагальнюючий огляд підходів до виробництва гнутих профілів змінного перерізу, що використовуються в світі. Розглянуто актуальність використання моделювання напружено-деформованого стану профілю методом кінцевих елементів з метою прогнозування виникнення дефектів при його виробництві. Вказується на затребуваність профілів зі змінним перерізом. Описано схему формування та вказується на можливість обґрунтованого зменшення числа технологічних переходів. Промодельоване формоутворення коритного гнутого профілю зі змінним поперечним перерізом з нижньою горизонтальною стінкою, показаний алгоритм задання граничних умов. Розглянуто зміну напруженодеформованого стану заготовки при проходженні її через кліть профілезгинального стану.