Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 874, весна 2011
Материал из MachineLearning.
(Различия между версиями)
м («Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 474, весна 2011» переименована в «[[Численные методы обучения по пре) |
|||
Строка 30: | Строка 30: | ||
* Экзамен 25 мая | * Экзамен 25 мая | ||
+ | == Список задач, черновик == | ||
+ | # Непараметрическое прогнозирование (выбор ядра из набора, настройка параметров) | ||
+ | # Прогнозирование и экспоненциальное сглаживание (набор временных рядов, исследование современного состояния) | ||
+ | # Непараметрическое прогнозирование рядов с периодической составляющей (по мотивам работ прогнозирования объемов продаж) | ||
+ | # Многомерная гусеница, выбор длины и числа компонент гусеницы (сравнение сглаженного и несглаженного временного ряда) | ||
+ | # Многомерная гусеница, выбор временных рядов при прогнозировании | ||
+ | # Многомерная авторегрессия | ||
+ | # Локальные методы прогнозирования, поиск метрики | ||
+ | # Локальные методы прогнозирования, поиск инвариантного преобразования | ||
+ | # Прогнозирование с использованием пути наименьшей стоимости (DTW) | ||
+ | # Выбор функции связи при прогнозировании нейронными сетями | ||
+ | # Выбор ядра при прогнозировании функциями радиального базиса | ||
+ | # Исследование сходимости при прогнозировании нейронными сетями с обратной связью | ||
+ | # Прогнозирование функциями дискретного аргумента | ||
+ | # Прогнозирование с использованием теста Гренжера | ||
+ | # Прогнозирование и SVN – регрессия | ||
+ | # ARIMA и GARCH при прогнозировании высоковолатильных рядов с периодической составляющей (цен на электроэнергию) | ||
+ | # Прогнозирование и аппроксимация сплайнами | ||
[[Категория:Учебные курсы]] | [[Категория:Учебные курсы]] |
Версия 18:24, 24 февраля 2011
Перед выполнением заданий рекомендуются к прочтению
- Численные методы обучения по прецедентам
- Отчет о выполнении исследовательского проекта
- Автоматизация и стандартизация научных исследований
Задачи
Название задачи | Работу выполняет | Работу рецензирует | Комментарии |
---|---|---|---|
Краткосрочное прогнозирование почасовых цен на электроэнергию (пример) | Илья Фадеев | Александр Фирстенко | Данные есть, Д1, Д2, Э+, A |
Краткосрочное прогнозирование почасовых цен на электроэнергию (пример)
Описание задачи.
Доклады и экзамен (возможны уточнения)
- Доклад-1 6 апреля
- Контрольная точка 18 мая
- Экзамен 25 мая
Список задач, черновик
- Непараметрическое прогнозирование (выбор ядра из набора, настройка параметров)
- Прогнозирование и экспоненциальное сглаживание (набор временных рядов, исследование современного состояния)
- Непараметрическое прогнозирование рядов с периодической составляющей (по мотивам работ прогнозирования объемов продаж)
- Многомерная гусеница, выбор длины и числа компонент гусеницы (сравнение сглаженного и несглаженного временного ряда)
- Многомерная гусеница, выбор временных рядов при прогнозировании
- Многомерная авторегрессия
- Локальные методы прогнозирования, поиск метрики
- Локальные методы прогнозирования, поиск инвариантного преобразования
- Прогнозирование с использованием пути наименьшей стоимости (DTW)
- Выбор функции связи при прогнозировании нейронными сетями
- Выбор ядра при прогнозировании функциями радиального базиса
- Исследование сходимости при прогнозировании нейронными сетями с обратной связью
- Прогнозирование функциями дискретного аргумента
- Прогнозирование с использованием теста Гренжера
- Прогнозирование и SVN – регрессия
- ARIMA и GARCH при прогнозировании высоковолатильных рядов с периодической составляющей (цен на электроэнергию)
- Прогнозирование и аппроксимация сплайнами