Počet záznamov: 1
Applying Machine Learning to Model Inflation on the Slovak Macroeconomic Data
Názov Applying Machine Learning to Model Inflation on the Slovak Macroeconomic Data Preklad názvu Aplikácia strojového učenia na modelovanie inflácie na slovenských makroekonomických údajoch Autorské údaje Erika Mináriková, Miroslav Hudec Autor Mináriková Erika EUBFHIKAI - Katedra aplikovanej informatiky FHI Spoluautori Hudec Miroslav EUBFHIKAI - Katedra aplikovanej informatiky FHI Zdrojový dokument „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 Poznámky KEGA 025EU-4/2021. - I-22-110-00 Druh dokumentu rozpis článkov zo zborníkov Jazyk dokumentu angličtina Krajina vydania Slovenská republika Heslá programovanie * informatika * inteligencia umelá * inflácia * modelovanie * internet Anotácia 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. Kategória EPC Publikované príspevky na domácich vedeckých konferenciách Báza dát PUBLIKAČNÁ ČINNOSŤ Archív EPC E22 00527-002, kópia plného textu
Názov súboru Veľkosť Typ prístupu Plný text PDF 322.8 KB z IP adresy SEK po prihlásení 
článok
Počet záznamov: 1