Огляд підходів до визначення порядку Фур'є у моделі Facebook prophet для моделювання сезонної складової часового ряду
Вантажиться...
Файли
Дата
Назва журналу
Номер ISSN
Назва тому
DOI
Анотація
Розглянуто важливість та основні проблеми моделювання часового ряду. Запропоновано новий підхід визначення параметрів для моделювання сезонності часового ряду за допомогою нейронної мережі. В ході дослідження була запропонована інформаційна технологія, яка генерує оптимальні значення для параметрів порядку ряду Фурʼє, а також періоду сезонності, що використовуються при тренуванні моделі Facebook
The thesis aims to overview the importance and know problems related to modeling time series. It is proposed to improve it by identifying time-series seasonality parameters using neural network. During research, an information technology was proposed. This system generates optimal values for parameters of the order of the Fourier series, as well as the seasonality period, used in training of the Facebook Prophet model.
The thesis aims to overview the importance and know problems related to modeling time series. It is proposed to improve it by identifying time-series seasonality parameters using neural network. During research, an information technology was proposed. This system generates optimal values for parameters of the order of the Fourier series, as well as the seasonality period, used in training of the Facebook Prophet model.
Опис
УДК
Тип документа
Мова
ISSN
Бібліографічний опис
Шмундяк Д. Огляд підходів до визначення порядку Фур'є у моделі Facebook prophet для моделювання сезонної складової часового ряду [Електронний ресурс] / Д. Шмундяк, А. Лосенко, В. Б. Мокін // Матеріали LII Науково-технічної конференції підрозділів ВНТУ, Вінниця, 21-23 червня 2023 р. – Електрон. текст. дані. – 2023. – Режим доступу : https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2023/paper/view/17200.
Схвалення
Рецензія
Доповнено
Цитується в
Список використаної літератури (5)
- Carmela Comito, Clara Pizzuti,Artificial intelligence for forecasting and diagnosing COVID-19 pandemic: A focused review,Artificial Intelligence in Medicine,Volume 128,2022,102286,ISSN 0933-3657,https://doi.org/10.1016/j.artmed.2022.102286
- Santangelo, Omar Enzo, et al. "Machine Learning and Prediction of Infectious Diseases: A Systematic Review." Machine Learning and Knowledge Extraction 5.1 (2023): 175-198
- S. Jadon, A. Patankar and J. K. Milczek, "Challenges and Approaches to Time-Series Forecasting for Traffic Prediction at Data Centers," 2021 International Conference on Smart Applications, Communications and Networking (SmartNets), Glasgow, United Kingdom, 2021, pp. 1-8, doi: 10.1109/SmartNets50376.2021.9555422
- В. Б. Мокін, А. В. Лосенко, А. Р. Ящолт, «Інформаційна технологія аналізу та прогнозування кількості нових випадків хвороби на коронавірус SARS-COV-2 в Україні на основі моделі Prophet», Вісник ВПІ, вип. 5, с. 71–83, Лис. 2020.
- Мокін В. Б. Інформаційна технологія аналізу та прогнозування багатохвильової кількості нових випадків захворювань на коронавірус COVID-19 на основі моделі Prophet / В. Б. Мокін, А. В. Лосенко, А. Р. Ящолт // Вісник Вінницького політехнічного інституту. - Вип. 6, С. 65–75, 2020.