<?xml version="1.0" encoding="UTF-8"?>
<xml>
 <records>
  <record>
   <ref-type name="Journal Article">17</ref-type>
   <contributors>
    <authors>
     <author>Харин Ю. С.</author>
    </authors>
   </contributors>
   <titles>
    <title>Нейросетевые модели биномиальных временных рядов в задачах анализа данных</title>
   </titles>
   <keywords>
    <keyword>дискретный временной ряд</keyword>
    <keyword>цепь Маркова</keyword>
    <keyword>нейросетевая модель</keyword>
    <keyword>оценки параметров</keyword>
    <keyword>анализ данных</keyword>
   </keywords>
   <dates>
    <year>2021</year>
    <pub-dates>
     <date>2021-12-26</date>
    </pub-dates>
   </dates>
   <doi>10.29235/1561-8323-2021-65-6-654-660</doi>
   <journal>Доклады Национальной академии наук Беларуси</journal>
   <abstract>В данном сообщении рассматриваются задачи построения нейросетевых моделей дискретных временных рядов и использования их для компьютерного анализа данных. Представлено новое семейство нейросетевых моделей дискретных временных рядов, позволяющих аппроксимировать любой тип стохастической зависимости состояний временного ряда от его предыстории. Установлены условия эргодичности и отношение эквивалентности для этих моделей. Построены состоятельные статистические оценки параметров моделей и алгоритмы компьютерного анализа данных с использованием нейросетевых моделей: алгоритмы оценивания параметров, прогнозирования и распознавания образов.</abstract>
   <urls>
    <web-urls>
     <url>https://www.academjournals.by/publication/2458</url>
    </web-urls>
    <pdf-urls>
     <url>https://www.academjournals.by/files/2456</url>
    </pdf-urls>
   </urls>
  </record>
 </records>
</xml>
