Zastosowanie samouczącego się trzypunktowego minimodelu do modelowania stopy bezrobocia w Polsce

• Autorzy: Piegat A. , Wąsikowska B. , Korzeń M.

Warianty tytułu

DE

Anwendung des Selbstlernenden, 3-Punkt- Minimodels zur Modellierung der Arbeitslosenquote in Polen

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono koncepcję ograniczonego, lokalnego, trójkątnego minimodelu, którego celem jest udzielenie – na podstawie próbek zależności y = f(x1, x2), jaką dysponujemy w bazie wiedzy – odpowiedzi na zapytania obliczeniowe. Badania wykazały, że dokładność obliczeń realizowanych przez minimodel jest wysoka, a czas obliczeń krótki. Uzyskana wysoka dokładność jest wynikiem lokalności minimodelu. Dalsze prace autorów idą w kierunku opracowania nieliniowych minimodeli o jeszcze wyższej dokładności obliczeń.

DE

Gegenstand des Artikels ist die Konstruktionsmethode des lokalen Minimodels das eine beträchtliche Lerngeschwindigkeit besitzt. Das Model dient hier zur Berechnung schneller Antworten an Anfragen bettreffens der Arbeitslosenquote aufgrund der Daten. Die Anzahl der Daten muss nicht konstant sein und kann mit der Zeit vergrößert werden, falls neue Daten gewonnen werden. Ein großer Vorteil des Minimodels ist seine Fähigkeit zur Interpolation in den Informationslücken in den Daten. Diese Fähigkeit unterscheidet das vorgeschlagene Minimodel von der KNN-Methode (Methode der nahesten Nachbarn). Ausser dem Erklären der Minimodelsidee wurde in dem Artikel ein Beispiel der Anwendung zur Modellierung der Arbeitslosenquote aufgrund statistischer Daten gezeigt. Die Qualität des Minimodels wurde mit der bekannten „leave one out” Methode geprüft.

Słowa kluczowe

PL

neuronowy model; minimodel; modelowanie stopy bezrobocia; Polska

EN

neural model; mini-model; modeling of the unemployment rate; Poland

• Wydawca: Wydawnictwo Naukowe Uniwersytetu Szczecińskiego
• Czasopismo: Zeszyty Naukowe. Studia Informatica / Uniwersytet Szczeciński
• Rocznik: 2011
• Tom: Nr 27
• Strony: 59--69
• Opis fizyczny: Bibliogr. 6 poz., wykr.

Twórcy

autor

Piegat A.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie

autor

Wąsikowska B.

• Uniwersytet Szczeciński, Wydział Nauk Ekonomicznych i Zarządzania, ul. Mickiewicza 64, 71-101 Szczecin

autor

Korzeń M.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie

Bibliografia

• 1. Geissler S., Predictive inference, Chapman and Hall, New York 1993.
• 2. Morajda J., Neural networks as predictive models in financial futures trading, Fith Conference on Neural Networks and Soft Computing, Zakopane 2000.
• 3. Pokropińska A., Scherer R., Financial prediction with neuro-fuzzy systems, International Conference AISC 2008, Springer 2008.
• 4. Rejer I., Metody modelowania wielkowymiarowego system z użyciem metod sztucznej inteligencji na przykładzie bezrobocia w Polsce, Wydawnictwo Naukowe Uniwersytetu Szczecińskiego, Szczecin 2003.
• 5. Wąsikowska B., Niestandardowe metody identyfikacji czynników determinujących produkcję sprzedaną przemysłu, rozprawa doktorska, Wydział Nauk Ekonomicznych i Zarządzania, Uniwersytet Szczeciński, Szczecin 2007.
• 6. Witkowska D., Application of econometric models an neural networks to consumer price index prediction, Fith Conference on Neural Networks and Soft Computing, Zakopane 2000.