Кафедра прикладної статистики
Постійний URI для цього зібрання
Переглянути
Нові надходження
Зараз відображається 1 - 5 з 29
- ДокументМоделювання медичного сортування(2023) Царук Роман Михайлович; Пономарьов Вадим ДмитровичЦя робота зосереджувалося на розробці методів моделювання медичного сортування. Були описані й проаналізовані підходи та алгоритми до медичного сортування, оглянуто теоретичний матеріал та обрано основний підхід до розв’язання задачі. Теоретичні підходи та вихідні компоненти моделі були сформульовані із урахуванням доступних емпіричних даних. Зрештою було розроблене комплексне програмне рішення з поясненнями та прикладами його застосування та аналізом його сильних і слабких сторін. В кінцевому результаті була створена програма для симуляції роботи пункту медичної допомоги, що здатна за один цикл роботи провести ряд симуляцій для різних вхідних налаштувань із аналізом результатів кожної симуляції. Результат кожної симуляції базується на численних параметрах та функціях моделі. Кінцевий результат покликаний закрити прогалину в дослідженнях медичного сортування і дати дослідникам цієї сфери новий інструмент. Робота має потенціал для практичного застосування та може сприяти знаходженню оптимальних рішень при дослідженні складних ситуацій та систем, де вони виникають, якщо їх відтворення в рамках експерименту неможливе. Загалом, отриманий інструмент має допомогти досліджувати широкий спектр складних стохастичних моделей, що виникають на стику різних дисциплін.
- ДокументВикористання методів машинного навчання для покращення застосування стохастичних процесів у аналізі високочастотних фінансових даних(2023) Токарчук Данило Костянтинович; Розора Ірина ВасилівнаУ ході роботи проведена розробка та програмна реалізація моделі прогнозування динаміки часових рядів високочастотних фінансових даних з використанням процесу Орнштейна – Уленбека. Об’єктом дослідження в роботі є процес Орнштейна – Уленбека, предметом дослідження – використання процесу Орнштейна – Уленбека при моделюванні часових рядів високочастотних фінансових даних. Робота є значимою через використанням моделі прогнозування, що певною мірою відрізняється від моделей сім’ї ARIMA, що широко використовуються в практичних задачах. Окрім того розглянуто базові підходи до вивчення, аналізу та прогнозування часових рядів, зокрема принципи декомпозиції часових рядів та стохастичний підхід Бокса – Дженкінса до прогнозування часових рядів. Ключові слова: процес Орнштейна – Уленбека, вінерівський процес, часові ряди, прогнозування, стохастичний компонент, моделювання, машинне навчання, градієнтний спуск.
- ДокументАвтоматична класифікація та тегізація ресторанних відгуків(2023) Таранюк Дмитро Юрійович; Махно Михайло ФедоровичСучасний світ, з кожним днем генерує все більше інформації, тож виникає велика потреба в її обробці. Зі значним збільшенням об’єму інформації, людські ресурси втрачають здатність ефективно її опрацьовувати, це спонукає до пошуків та розробки методів та програм, щоб дозволити зменшити час обробки та збільшити її якість. Дослідження спрямоване на знаходження оптимального методу аналізу потокових даних. Для конкретизації задачі дане дослідження виділило серед потоку даних – ресторанні відгуки, одну з найпоширеніших галузей людства. В ході дослідження було розглянуто ряд готових проектів, що пропонують рішення даної проблеми. Розглянуто різні моделі роботи з текстом, на кшталт VADER, TextBlob, BERT. Дана робота надає фундамент для розробки аналітичного проєкту, заснованого на штучному інтелекті та машинному навчанні на власних підготовлених даних. В подальшому дослідженні маються перспективи використання інших моделей, аналогічних BERT, а також комбінацій різних моделей і кардинально нових підходів, розроблених самостійно. Аналіз тексту є надзвичайно творчим та дослідницьким простором, оскільки текст є основним засобом комунікації між людьми від давніх часів. Нині, завдяки потужностям сучасних обчислювальних систем, практично кожен має можливість проводити власні дослідження, експерименти з аналізу тексту, виявлення закономірностей, виявлення аномалій, а також побудову власних аналітичних проектів, текстових нейронних моделей та іншого. Це відкриває нові горизонти для розвитку та вдосконалення методів аналізу тексту. Наприклад, можна використовувати альтернативні моделі, що базуються на глибокому навчанні та природній мові, такі як GPT, XLNet, або RoBERTa, для досягнення кращих результатів в аналізі тексту. Крім того, комбінація різних моделей може привести до синергічного ефекту та покращення результатів.
- ДокументПрогнозування макроекономічних показників на основі модифікованих адаптивних моделей(2023) Соколова Тетяна Володимирівна; Макушенко Ігор АнатолійовичАдаптивні моделі – дуже корисний інструмент макроекономічного прогнозування. Оскільки такі моделі здатні враховувати нестаціонарність економічних процесів, адаптуватися до інерційності характеристик. Ці моделі відображують поточні властивості ряду і можуть постійно враховувати еволюцію динамічних характеристик процесів. Мета таких методів полягає в тому, щоб побудувати економіко-математичні моделі, що можуть самостійно враховувати умови, що з часом змінюються. З цих причин такі моделі найчастіше використовуються для прогнозування на короткі періоди часу. У роботі було розглянуто два типи модифікованих моделей: моделі з адаптивними параметрами адаптації та адаптивні комбіновані моделі. Моделі з адаптивними параметрами адаптації (модель Тріґґа-Ліча, модель Рао-Шапіро, моделі Чоу та Монтгомері) базуються на змінюванні параметра адаптації залежно від похибки прогнозу. Такі моделі краще прогнозують процеси зі складною динамікою, бо, за рахунок адаптивного параметра, швидше пристосовуються до змін часового ряду. Додатковою перспективою є комбінування моделей із класичними економетричними методами, що дозволяє поєднувати переваги обох підходів. Наприклад, можна використовувати адаптивні моделі для отримання загальних тенденцій і шаблонів, а потім використовувати економетричні методи для оцінки впливу конкретних факторів та проведення прогнозів. Розвиток модифікованих адаптивних моделей для прогнозування макроекономічних показників є активним напрямом досліджень і важливою галуззю для економічного прогнозування та прийняття рішень.
- ДокументМетоди адаптивного керування стохастичними системами(2023) Снітко Нікіта Дмитрович; Пономарьов Вадим ДмитровичУ роботі розглянута система масового обслуговування, проаналізовані її параметри. Були обговорені способи аналізу та напрямки оптимізації системи. Побудоване керування, завдяки якому вдалося оптимізувати функцію якості. Система була стохастичною, тому довелося враховувати це при побудові керування. Ми впевнилися у тому, що методів адаптивного керування вдосталь вистачає, щоб використати їх для побудови керування до системи. В результаті аналізу роботи системи можна було зробити висновки про її ефективність та продуктивність. Наприклад, на основі статистики часу очікування клієнтів та завантаження серверів можна визначити оптимальну кількість серверів для досягнення максимальної продуктивності. Також можна розглянути варіанти впровадження розподіленої системи обслуговування. В даному випадку було розглянуто систему автомийки, яка працює в умовах постійних перепадів електропостачання. Для оптимізації роботи системи було запропоновано використовувати адаптивне керування, яке регулює кількість серверів в залежності від спостережуваної довжини черги та середнього часу очікування, що і було використано. Також було наголошено на тому, що кожну окрему систему можна розглядати з різних боків у контексті керування та оптимізації. Важливо також подбати про вартістні коефіцієнти. Якщо ситуація в Україні стабілізується, збитки від використання серверів можуть набагато зменшитися. Якщо є впевненість у тому, що бізнес успішний, то варто подумати про розширення. Збільшити кількість серверів, у випадку, якщо є потреба у послугах, що надає бізнес, тобто при постійному зростанні інтенсивності надходжень клієнтів. Робота являє собою цінну інформацію, оскільки системи керування існують довкола нас, зустрічаються у кожному аспекті нашого життя. Особливо використовується принцип готовності до випадковостей, адаптація до навколишніх умов. Тож, оскільки адаптивно керувати можна як процессорами, автомийкою, тема варта вивчення навіть для випадкового користувача.