Отправляет email-рассылки с помощью сервиса Sendsay

Технологии обработки данных в прогнозировании

Рассылка закрыта

При закрытии подписчики были переданы в рассылку "Технологии анализа данных" на которую и рекомендуем вам подписаться.

Вы можете найти рассылки сходной тематики в Каталоге рассылок.

←   Январь 2007   →
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
Автор
basegrouplabs

Статистика

2.348 подписчиков
-1 за неделю
←   Все выпуски   →

Технологии обработки данных в прогнозировании Книга “ПРОГНОЗИРОВАНИЕ. Модели. Методы. Алгоритмы”


Уважаемые коллеги!

Джон Голсуорси считал, что если человек не думает о будущем, то у него будущего и не будет. Предположим, что это все-таки необходимое условие, причем будем считать, что будущее определенно лучше настоящего. Достаточным условием есть процесс “оптимального” существования в композиции с принятием оптимальных решений в экстремальных ситуациях. Выполнение такого условия возможно при использовании ретроспективной информации. Ведь известна логическая цепочка: “От статистики − к анализу, от анализа − к прогнозированию, от прогнозирования − к планированию”.

 

Книга “ПРОГНОЗИРОВАНИЕ. Модели. Методы. Алгоритмы” является первой книгой в серии “Информационные интеллектуальные системы”. Ее содержание приведено ниже.

Книга подготовлена к печати на украинском и русском языках. Вы можете сделать предварительные заказы, написав на E-mail: snytyuk@gmail.com.

Кроме того, еще не поздно разметить в ней свою рекламу, информацию о научных школах, Интернет-страницах, личных достижениях, другую релевантную информацию.

 

С уважением,

Виталий Снитюк

 

 

Содержание

 

Предисловие

 

 

Введение

 

 

 

 

Глава 1

Классические методы

 

1.1.

Метод наименьших квадратов Парная линейная регрессия.........

 

1.2.

Множественная линейная регрессия.............................................

 

1.3.

Тестирование и устранение мультиколлинеарности ...................

 

1.4.

Тестирование и устранение гетероскедастичности......................

 

1.5.

Автокорреляция Причины и следствия........................................

 

1.6.

Множественная нелинейная регрессия ........................................

 

 

 

 

 

Глава 2

Нейросетевые методы

 

2.1.

Основные понятия........................................................................

 

2.2.

Алгоритм обратного распространения ошибки и прогнозирование...........................................................................

 

2.3.

Алгоритм обучения RBF-сети и ее использование для прогнозирования...........................................................................

 

2.4.

Сеть встречного распространения − инструментарий предварительного прогнозирования............................................

 

 

 

 

 

Глава 3

Эволюционное моделирование и методы самоорганизации

 

3.1.

Метод группового учета аргументов Общие положения.............

 

3.2.

Многорядный метод группового учета аргументов....................

 

3.3.

Критерий регулярности................................................................

 

3.4.

Критерий несмещенности.............................................................

 

3.5.

Критерий баланса переменных.....................................................

 

3.6.

Алгоритмы разделения начальной выборки данных...................

 

3.7.

Ретроспектива эволюционного моделирования...........................

 

3.8.

Генетический алгоритм Историческая справка и базовый алгоритм........................................................................................

 

3.9.

Основные понятия и пример задачи оптимизации......................

 

3.10.

Элементный и функциональный базис генетического алгоритма.......................................................................................

 

3.11.

Эволюционные стратегии.............................................................

 

3.12.

Сравнительный анализ эволюционных алгоритмов.....................

 

3.13.

Мировые научные школы эволюционного моделирования.........

 

 

 

 

 

Глава 4

Методы обработки нечеткой информации

 

4.1.

Основные понятия и определения................................................

 

4.2.

Нечеткие отношения и нечеткий логический вывод....................

 

4.3.

Анализ нечетких экспертных заключений....................................

 

4.4.

Принятие решений в нечетких условиях......................................

 

 

 

 

 

Глава 5

Препроцессинг данных

 

5.1.

Энтропия и количество информации...........................................

 

5.2.

Нормализация и стандартизация исходных значений факторов.

 

5.3

Аналитико-эвристические алгоритмы определения информативных признаков...........................................................

 

5.4.

Алгоритм “выбеливания” входов................................................

 

5.5.

Нейросетевое определение значимых факторов..........................

 

5.6.

Методика “box-counting”...............................................................

 

 

 

 

 

Глава 6

Методы кластеризации

 

6.1.

Постановка задачи и ее предварительный анализ........................

 

6.2.

Характеристика методов кластерного анализа.............................

 

6.3.

Алгоритмы, базирующиеся на гипотезе компактности...............

 

6.4.

Алгоритмы, базирующиеся на гипотезе лямбда-компактности...

 

6.5.

Эволюционная кластеризация......................................................

 

 

 

 

 

Глава 7

Технологии восстановления информации

 

7.1.

Математическая постановка задачи восстановления пропусков в таблицах данных.........................................................................

 

7.2.

Эвристические методы обработки некомплектных данных........

 

7.3.

Восстановление пропусков значений зависимой переменной....

 

7.4.

Локальные методы восстановления пропусков...........................

 

7.5.

Итерационный метод главных компонент для данных с пропусками....................................................................................

 

7.6.

ЕМ-алгоритм.................................................................................

 

7.7.

Эволюционный метод восстановления пропусков .....................

 

 

 

 

 

Глава 8

Гибридные методы Практические приложения

 

8.1.

Нечеткие нейросетевые парадигмы..............................................

 

8.2.

Обучение нечетких нейросетей.....................................................

 

8.3.

Эволюционно-параметрическая оптимизация RBF-сети.............

 

8.4.

Синтетическая оптимизация структуры сельскохозяйственного производства.................................................................................

 

8.5.

Композиционный метод эволюционного моделирования в проектных задачах........................................................................

 

8.6.

Композиционный метод уменьшения неопределенности............

 

 
В избранное