| DC Field | Value | Language |
|---|
| dc.contributor.author | Moshkin, V. | - |
| dc.contributor.author | Moshkina, I. | - |
| dc.contributor.author | Yashin, D. | - |
| dc.contributor.author | Yarushkina, N. | - |
| dc.date.accessioned | 2021-09-21T11:15:36Z | - |
| dc.date.available | 2021-09-21T11:15:36Z | - |
| dc.date.issued | 2021 | - |
| dc.identifier.citation | Development of an aggregator for choosing the best forecasting method for groups of time series / V. Moshkin [et al.] // Открытые семантические технологии проектирования интеллектуальных систем = Open Semantic Technologies for Intelligent Systems (OSTIS-2021) : сборник научных трудов / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. В. Голенков [и др.]. – Минск, 2021. – Вып. 5. – С.101–104. | ru_RU |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/45437 | - |
| dc.description.abstract | The paper presents a general algorithm for computing an aggregated time series forecast (TS), within
which machine learning methods are used to adjust the parameters of a hybrid combined forecasting model. Also presented are the results of experiments on the application of the developed algorithm using the TS competition “Computational Intelligence in Forecasting” (CIF). The use of a neural network for choosing forecasting methods allowed, on average, for all experiments to reduce the error by 7.225%, as can be seen from the results of the experiments. The average error for the eight prediction methods chosen by the neural network turned out to be lower than the average error for all methods in 47 cases out of 50 (94%). | ru_RU |
| dc.language.iso | en | ru_RU |
| dc.publisher | БГУИР | ru_RU |
| dc.subject | материалы конференций | ru_RU |
| dc.subject | time series | ru_RU |
| dc.subject | forecasting | ru_RU |
| dc.subject | aggregated forecast | ru_RU |
| dc.subject | machine learning | ru_RU |
| dc.title | Development of an aggregator for choosing the best forecasting method for groups of time series | ru_RU |
| dc.title.alternative | Разработка агрегатора для выбора наилучшего метода прогнозирования групп временных рядов | ru_RU |
| dc.type | Статья | ru_RU |
| local.description.annotation | В статье представлен общий алгоритм вычисления агрегированного прогноза временных рядов, в рамках которого используются методы машинного обучения для настройки параметров гибридной комбинированной модели прогнозирования. Также представлены результаты экспериментов по применению разработанного алгоритма с использованием временных рядов конкурса «Вычислительный интеллект в прогнозировании» (CIF). Использование нейронной сети для выбора методов прогнозирования позволило в среднем по всем экспериментам снизить ошибку на 7,225%. Средняя ошибка для восьми методов прогноза, выбранных нейронной сетью, оказалась ниже средней ошибки для всех методов в 47 случаях из 50 (94%). | - |
| Appears in Collections: | OSTIS-2021
|
