Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 874, весна 2011
Материал из MachineLearning.
(Различия между версиями)
Строка 19: | Строка 19: | ||
| Александр Фирстенко | | Александр Фирстенко | ||
| Данные есть, Д1, Д2, Э+, A | | Данные есть, Д1, Д2, Э+, A | ||
+ | |- | ||
+ | |- | ||
+ | | [[Прогнозирование с использованием теста Гренжера]] | ||
+ | | Анастасия Мотренко | ||
+ | | | ||
+ | | | ||
|- | |- | ||
|} | |} |
Версия 09:56, 26 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 |
Прогнозирование с использованием теста Гренжера | Анастасия Мотренко |
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