Алгоритмическое и программное обеспечение автоматизированной системы прогнозирования социально-экономических процессов
Диссертация
В настоящее время разработано немало программных продуктов, обеспечивающих прогнозирование различных временных рядов. Однако можно выделить, по крайней мере, ряд существенных недостатков, которые ограничивают применение этих программ в реальной жизни. К ним можно отнести серьезное влияние на точность прогноза квалификации и опыта специалиста, работающего с программой. К тому же возможности многих… Читать ещё >
Список литературы
- Автоматизированные системы анализа и прогнозирования. М.: Институт финансов и права, 1997. — 100 С.
- Айвазян С.А., Бухштабер В. М., Енюков И. С., Мешалкин Л. Д. Прикладная статистика: Классификация и снижение размерности. -М.: Финансы и статистика, 1989. 606 С.
- Айвазян С.А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика: Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983. — 469 С.
- Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. М.: Юнити, 1998. 1022 С.
- Айвазян С.А., Степанов B.C. Инструменты статистического анализа данных.// Мир ПК, 1997. № 8. — С. 32−41.
- Андерсон Т. Статистический анализ временных рядов.
- Араб-Оглы Э. А. Рабочая книга по прогнозированию. М.: Мысль, 1982. — 600 С.
- Атанов Г. А., Пустырников И. Н. Обучение путем построения баз знаний для экспертных систем.// Искусственный интеллект. 1998. — № 2. — С. 23−28.
- Боровиков В.П., Боровиков И.П. Statistica. Статистический анализ и обработка данных в среде. М.: Филинъ, 1998. — 592 С.
- Векслер Л.С. Статистический анализ на персональном компьютере. // Мир ПК. 1992. — № 2. — С. 89−97.
- Венецкий И.Г. Вариационные ряды и их характеристики. М.: Статистика, 1970. — 158 С.
- Галушкин А.И. Применение нейрокомпьютеров в финансовой деятельности.// Научный центр нейрокомпьютеров. 1998.
- Главные компоненты временных рядов: метод «Гусеница»./ под ред. Д. Л. Данилова и A.A. Жиглявского. С-П.: Санкт-Петербургский университет, 1997.
- Гмурман В.Е. Теория вероятностей и математическая статистика. М.: Высшая школа, 1998. — 478 С.
- Горбань А.Н., Россиев Д. А. Нейронные сети на персональном компьютере. Новосибирск: Наука, 1996. — 276 С.
- Горчаков A.A., Орлова И. В. Компьютерные экономико-математические модели. М.: Юнити, 1995. — 134 С.
- Даджион Д., Марсеро Р. Цифровая обработка сигналов. М.: Мир, 1998. — 486 С.
- Джейн А.К., Мао Ж., Моиуддин K.M. Ввведение в искусственные нейронные сети.// Открытые системы. 1997. — № 4. — С. 16−24.
- Дженкинс. Спектральный анализ и его приложения. М.: Мир, 1971. — 316 С.
- Дик В.В., Бебнева е.в., Божко В. П. Информационные системы в экономике. М.: Финансы и статистика, 1996. — 269 С.
- Дубров A.M. Обработка статистических данных методом главных компонент.
- Дюк В.А., Мирошников А. И., Эволюция STATGRAPHICS.// Мир ПК. 1995. — № 12. — С. 32−34.
- Ежов А., Шумский С. Нейрокомпьютинг и его применение в экономике и бизнесе. М.: Мир, 1998. — 222 С.
- Ефимова М.Р., Петрова Е. В., Румянцева В. Н. Общая теория статистики. М.: Инфра-М, 1997. 367 С.
- Загоруйко Н.Г. Алгоритмы обнаружения эмпирических закономерностей.
- Змитрович А.И. Интеллектуальные информационные системы. -Минск: ТетраСистемс, 1997. 367 С.
- Иващенко H.H. Автоматическое регулирование. М.: Машиностроение, 1973. — 442 С.
- Кендалл М., Стьюарт А. Многомерный статистический анализ и временные ряды. М.: Наука, 1976. — 736 С.
- Кисилев М., Соломатин Е. Средства добычи знаний в бизнесе и финансах.// Открытые системы. 1997. — № 4. — С. 41−44.
- Кузнецов С.Е., Халилеев В. А. Обзор специализированных статистических пакетов по анализу временных рядов М.: СтатДиалог, 1993. — науч. отчет.
- Куропаткин П.В. Теория автоматического регулирования. Л-Д: Лениздат, 1969. — 279 С.
- Куссуль Э.М. Ассоциативные нейроподобные структуры. Киев: Наукова думка, 1990. — 230 С.
- Аитл Р.Дж.А., Рубин Д. Б. Статистический анализ данных с пропусками. -М.: Финансы и статистика, 1991. 333 С.
- Логовский A.C. Зарубежные нейропакеты: современное состояние и сравнительные характеристики.// Нейрокомпьютер, 1998. -№ 1,2. С. 13−27.
- Аукашин Ю.П. Адаптивные методы прогнозирования. М.: Статистика, 1979. — 251 С.
- Макаров A.A. STADIA против STATGRAPHICS, или кто ваш «лоцман» в море статистических данных.// Мир ПК, 1992. -№ 3. С. 58−66.
- Минский М., Пейперт С. Персептроны. М.: Мир, 1971.-261 С.
- Нейрокомпьютеры и их применение: Сборник докладов. 5-я всероссийская конференция. М.: ИПУ, 1999. — 483 С.
- Нейрокомпьютеры и нейроматематика. -http: //www.bmstu.ru/facult/iu/iu4.
- Осуги С., Саэки Ю. Приобретение знаний. М.: Мир, 1990. — 304 С.
- Пивкин В.Я., Бакулин Е. П. Кореньков Д.И. Нечеткие множества в системах управления.// Fuzzy Technologies Lab, 1999.
- Попов Р. Обзор методов принятия решений трейдером на основании статистических методов обработки информации.//Релпресс, 1997.
- Румчинский Л.З. Математическая обработка результатов эксперимента.
- Саркисян С.А. Теория прогнозирования и принятия решений. -М.: Высшая школа, 1977. 489 С.
- Синицын Е. Нейронные сети и финансы.// Банковские технологии, 1996. № 1. — С. 19−22.
- Современные статистические пакеты. -http//www. info tech/Stat/sm/html.
- Статистический анализ данных, http / / www. infotech / analiztime / analiz/lec 1−21 .html.
- Трахтенгерц Э.А. Компьютерная поддержка принятия решений. -М.: Синтег, 1998. 376 С.
- Тьюки Дж.У. Анализ результатов наблюдений. М.: Мир, 1981. -693 С.
- Тэрано Т., Асаи К., Сугэно М. Прикладные нечеткие системы. -М.: Мир, 1993. 366 С.
- Тюрин Ю.Н., Макаров A.A. Статистический анализ данных на компьютере. М.: Инфра-М, 1998. — 528 С.
- Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика. -М.: Мир, 1992. -184 С.
- Фигурин A.A. Автоматизированная система анализа производственно-экономических показателей.// Прогрессивные процессы и оборудование металлургического производства: Тезисы докладов 1-ой международной конференции. Череповец, 1998, С. 123−124.
- Фигурин A.A. О построении автоматизированной системы прогнозирования временных рядов на базе статистических методов. / / Информационные технологии в производственных, социальных и экономических процессах. Материалы конференции. Череповец, 1999, С. 116.
- Фигурин A.A. Об автоматизированной системе контроля знаний студентов высших учебных заведений. / / Перспективные технологии автоматизации: Тезисы докладов международнойэлектронной научно-технической конференции. Вологда, 1999, С. 177−177.
- Фигурин А.Д., Малыгин Л. Л. Современные методы и технологии прогнозирования в бизнесе и социальных процессах./ / Информационные технологии в производственных, социальных и экономических процессах. Материалы конференции. Череповец, 1999, С. 115.
- Физические и математические модели нейронных сетей.//Итоги науки и техники. М.: ВИНИТИ, 1990. — том1.
- Харченко Л.П. Статистика: курс лекций. М.: Инфра-М, 1997. -387 С.
- Цыпкин Я.З. Основы теории обучающихся систем. М.: Наука, 1970.-252 С.
- Что такое нейронные сети, их обучение и использование, http//www.neuralbench.ruRUSTheoryTheory.htm.
- Сыслов В.В. Нейросетевая система распознавания иероглифов.//Нейрокомпьютер. М.: Московская типография № 2 РАН, 1995. — С. 9−14.
- Лесин В.В., Лисовец Ю. П. Основы методов оптимизации. М.: Изд-во МАИ, 1998. — 344 С.
- Бахвалов Н.С. Численные методы. М.: Наука, 1973. 480 С.
- Brown R.G. Smoothing forecasting and prediction of discrete time series. N.Y.: 1963, Table C. 5, P. 422.
- Decker K.M., Focardi S. Technology overview: A Report on Data Mining.//CSCS-ETH. Swiss Scientific Computer Center, 1995.
- Linsker R. Self-organization in perceptual network.//IEE, 1988. 0018−9162. P. 105−117.
- Polyanalyst 4.0Л User manual.// Megaputer Intelligence, 1999. 249 P.
- Rosenberg P. S. and Gail M.H. Backcalculation of flexible linear models of the human Immunodeficiency Virus infection curve.// Applied Statistics. № 40, — 1991. P. 269−282.
- Takens F.Jn. Lecture Notes in Mathematics. New York: Rand., D.A.&Young. L.-S., 1981. — 366 P.
- F. Lisi, O. Nicolis, M. Sandri. Combining Singular-Spectrum Analysis and neural networks for time series forecasting.// http: / /ai.iit.org/jair/public/.
- J. Draye, D. Pavisic, G. Cheron, G. Libert. Adaptative constant time in periodic neural nets. .// http://ai.iit.org/jair/public/.
- G. Deco, В. Schurmann. Neural learning of chaotic dynamics. // http: / / ai .iit. org/j air / public /.
- Yam Y.F., Chow T. W.S. Technical report. Hong Kong.// Department of Electronic Engineering, City University of Hong Kong, 1989. 170 P.
- Bengio Samy, Bengio Yoshua, Cloutier Jocelyn. On the search for new learning rules for ANNs.// http://ai.iit.org/jair/public/.
- Mansur A., Bethesda, Fischthal. Прогнозирование, использующее neural сеть (цепь) и статистический прогноз./ Пат № US5461699.