Гібридний підхід до прогнозування часового ряду електроспоживання для орга- нізаційного управління на оптовому ринку

Authors: Ostapchenko, K. B., Lisovychenko, O. I., Borukaiev, Z. Kh.

Contributors: ELAKPI

Source: Adaptivni Sistemi Avtomatičnogo Upravlinnâ, Vol 1, Iss 34 (2019)
Adaptive systems of automatic control; Том 1, № 34 (2019): Adaptive Systems of Automatic Control; 42-52
Адаптивные системы автоматического управления; Том 1, № 34 (2019): Адаптивные системы автоматического управления; 42-52
Адаптивні системи автоматичного управління; Том 1, № 34 (2019): Адаптивні системи автоматичного управління; 42-52

Subject Terms: оптовий ринок електроенергії, організаційне управління, гибридный подход, прогнозирование временного ряда, процессы электропотребления, организационное управление, оптовый рынок электроэнергии, 9. Industry and infrastructure, organizational management, процеси електроспоживання, 7. Clean energy, гібридний підхід, прогнозування часового ряду, процеси електро- споживання, electric consumption processes, T59.5, Automation, hybrid approach, time series forecasting, wholesale electricity market

File Description: application/pdf

Access URL: http://asac.kpi.ua/article/download/178228/179221
https://doaj.org/article/7dc6dad048424e608379ff28aac4f8ff
http://asac.kpi.ua/article/view/178228/179221
https://ela.kpi.ua/handle/123456789/32209
http://asac.kpi.ua/article/view/178228

Дослідження ефективності алгоритмів машинного навчання для задачі управління активами на ринку криптовалют з урахуванням оцінки довіри користувачів до криптовалюти

Contributors: Канцедал, Георгій Олегович, ELAKPI

Subject Terms: перехресна перевірка, hyperparameter tuning, time-series prediction, ensemble, deep learning, машинне навчання, cryptocurrencies, глибоке навчання, управління ризиками, neural networks, lstm, cross-validation, risk management, binance, machine learning, криптовалюти, data preprocessing, asset management, підбір гіперпараметрів, управління активами, ансамбль, 1d-cnn, нейронна мережа, попередня обробка даних, прогнозування часового ряду

File Description: application/pdf

Access URL: https://ela.kpi.ua/handle/123456789/61291

ПрогнозированиЕ вейвлеТ – аппроксИмацИИ временнОгО рядА

Authors: Серая, Оксана Владимировна

Source: Eastern-European Journal of Enterprise Technologies

Subject Terms: Wavelet approximation, prediction of time series, УДК 519.6, Bейвлет – апроксимація, прогнозування часового ряду, Bейвлет – аппроксимация, прогнозирование временного ряда, Indonesia

File Description: application/pdf

Availability: https://www.neliti.com/publications/302257/%D0%BF%D1%80%D0%BE%D0%B3%D0%BD%D0%BE%D0%B7%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5-%D0%B2%D0%B5%D0%B9%D0%B2%D0%BB%D0%B5%D1%82-%D0%B0%D0%BF%D0%BF%D1%80%D0%BE%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D1%86%D0%B8%D0%B8-%D0%B2%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE-%D1%80%D1%8F%D0%B4%D0%B0

Prediction of wavelet approximation of time series

Source: Eastern-European Journal of Enterprise Technologies; Том 4, № 4(52) (2011): Mathematics and cybernetics-fundamental and applied aspects; 49-51
Восточно-Европейский журнал передовых технологий; Том 4, № 4(52) (2011): Математика и кибернетика-фундаментальные и прикладные аспекты; 49-51
Східно-Європейський журнал передових технологій; Том 4, № 4(52) (2011): Математика і кібернетика-фундаментальні та прикладні аспекти; 49-51

Subject Terms: УДК 519.6, Bейвлет – апроксимація, прогнозування часового ряду, Wavelet approximation, prediction of time series, Bейвлет – аппроксимация, прогнозирование временного ряда

File Description: application/pdf

Access URL: http://journals.uran.ua/eejet/article/view/1392

Дослідження ефективності алгоритмів машинного навчання для задачі управління активами на ринку криптовалют з урахуванням оцінки довіри користувачів до криптовалюти

Authors: Кротенко, Нікіта Сергійович

Contributors: Канцедал, Георгій Олегович

Subject Terms: машинне навчання, глибоке навчання, нейронна мережа, ансамбль, прогнозування часового ряду, попередня обробка даних, перехресна перевірка, підбір гіперпараметрів, криптовалюти, управління ризиками, управління активами, machine learning, deep learning, neural networks, lstm, 1d-cnn, ensemble, time-series prediction, data preprocessing, cross-validation, hyperparameter tuning, cryptocurrencies, binance, risk management, asset management

File Description: 177 с.; application/pdf

Relation: Кротенко, Н. С. Дослідження ефективності алгоритмів машинного навчання для задачі управління активами на ринку криптовалют з урахуванням оцінки довіри користувачів до криптовалюти : дипломна робота . бакалавра : 124 Системний аналіз / Кротенко Нікіта Сергійович. – Київ, 2023. – 177 с.; https://ela.kpi.ua/handle/123456789/61291

Availability: https://ela.kpi.ua/handle/123456789/61291