Участник:Rgazizullina
Материал из MachineLearning.
м (→Отчет о научно-исследовательской работе) |
м (→Отчет о научно-исследовательской работе) |
||
| Строка 18: | Строка 18: | ||
[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group174/Gazizullina2014RailwayForecasting/doc/Gazizullina2014RailwayForecasting.pdf?format=raw] | [http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group174/Gazizullina2014RailwayForecasting/doc/Gazizullina2014RailwayForecasting.pdf?format=raw] | ||
| + | |||
| Строка 24: | Строка 25: | ||
'''Извлечение семантических отношений из неструктурированных данных''' | '''Извлечение семантических отношений из неструктурированных данных''' | ||
| - | |||
''Разработана программа, позволяющая определять по промаркированному новостному потоку определять состоят ли Именованные Сущности в отношении «актер-фильм»'' | ''Разработана программа, позволяющая определять по промаркированному новостному потоку определять состоят ли Именованные Сущности в отношении «актер-фильм»'' | ||
Версия 17:28, 30 декабря 2014
Газизуллина Римма Камилевна МФТИ, ФУПМ, 174 группа
Отчет о научно-исследовательской работе
Весна 2014, 6-й семестр
Прогнозирование объемов железнодорожных грузоперевозок по парам веток
Работа посвящена исследованию алгоритма непараметрического прогнозирования объемов железнодорожных грузоперевозок. Рассматривается задача прогнозирования количества вагонов с различными грузами, следующих по различным маршрутам. Задана топология железнодорожной сети — для всех возможных пар железнодорожных веток дана информация о всех блоках вагонов, совершивших переезд с одной ветки на другую, включая количество вагонов в блоке, вид груза и дату прохождения маршрута. Для построения прогноза используется алгоритм, основанный на свертке эмпирической плотности распределения значений временного ряда с функцией потерь. Ранее прогноз выполнялся для каждого железнодорожного узла в отдельности. Предлагается повысить качество прогноза за счет прогнозирования по парам веток вместо прогнозирования отправления всех вагонов с данного узла. Алгоритм проиллюстрирован посуточными данными за полтора года о перевозках 38 типов грузов.
Подготовлена статья:
• Газизуллина Р.К., Стенина М.М., Стрижов В.В. Прогнозирование объемов железнодорожных грузоперевозок по парам веток // Системы и средства информатики. —- 2014 (подано в редакцию)
Осень 2014, 7-й семестр
Извлечение семантических отношений из неструктурированных данных
Разработана программа, позволяющая определять по промаркированному новостному потоку определять состоят ли Именованные Сущности в отношении «актер-фильм»
