Олецький, ОлексійПархоменко, Данило2022-01-222022-01-222021https://ekmair.ukma.edu.ua/handle/123456789/22397У даній курсовій роботі описані загальні концепції штучних нейронних мереж. Продемонстрований спосіб застосування штучних мереж для вирішення регресивних задач різного роду. Також був проведений аналіз даних, що був обрані для подальшого прогнозування. Були зазначені обмеження та недоліки, які має алгоритм зворотного прогнозування помилок і наведені випадки, для яких потужності одного цього алгоритму бракує. В кінці курсової додатково було порівняно результати з регресивним методом прогнозування, а саме з алгоритмом ARIMAX. В роботі використовується такі засоби: Python 3.9, Tensorflow, Pandas, Statsmodel, Numpy, Matplotlib, Sklearn.ukPythonчасові рядиштучні нейронні мережіалгоритм зворотного поширення похибкиARIMATensorflowрегресіямережі з довгою короткостроковою пам’яттюбакалаврська роботаOther