Number of the records: 1
Applying Machine Learning to Model Inflation on the Slovak Macroeconomic Data
Title Applying Machine Learning to Model Inflation on the Slovak Macroeconomic Data Translation Aplikácia strojového učenia na modelovanie inflácie na slovenských makroekonomických údajoch Author info Erika Mináriková, Miroslav Hudec Author Mináriková Erika EUBFHIKAI - Katedra aplikovanej informatiky FHI Co-authors Hudec Miroslav EUBFHIKAI - Katedra aplikovanej informatiky FHI Source document „AIESA - budovanie spoločnosti založenej na vedomostiach“ : zborník z 20. medzinárodnej vedeckej konferencie, 24. – 25. november 2022, Bratislava. S. 15-23. - Bratislava : Letra Edu, 2022 / Čerteková Eva ; Marek Ľuboš ; Jablonský Josef ; Hanták Marián ; „AIESA – budovanie spoločnosti založenej na vedomostiach“ Medzinárodná vedecká konferencia. ISBN 978-80-974180-9-0 Note KEGA 025EU-4/2021. - I-22-110-00 Document kind schedule of articles from year books Language English Country of Edition Slovak Republic Keywords programovanie * informatika * inteligencia umelá * inflácia * modelovanie * internet Annotation Posledné desaťročie bolo svedkom rýchleho rozvoja algoritmov umelej inteligencie v mnohých vedeckých a priemyselných oblastiach. Táto práca sa zameriava na aplikáciu a vyhodnotenie týchto metód pri modelovaní inflácie v Slovenskej republike. Generované a skúmané metódy strojového učenia boli lineárna regresia, RIDGE regresia, LASSO regresia, náhodné lesy a neurónové siete na podporu predpovedania priebehu inflácie. Na vytvorenie týchto riešení bol použitý verejný súbor dát, ktorý obsahuje päťdesiat mesačných slovenských časových radov od januára 2000 do decembra 2019. Výsledky sa kontrolujú prostredníctvom krížovej validácie a simulácií s použitím rôznych tréningových, validačných a testovacích vzoriek. Výsledok podporuje pochopenie pre ďalšiu prácu na makroekonomickom prognózovaní pomocou modelov hlbokého učenia. Public work category Reports at home scientific conferences Database PUBLIKAČNÁ ČINNOSŤ No. of Archival Copy E22 00527-002, kópia plného textu
File name Size Typ prístupu Plný text PDF 322.8 KB from the SEK IP address after logging in article
Number of the records: 1