PL
 |
EN
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 5

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available Optimizing time series forecasting: leveraging machine learning models for enhanced predictive accuracy
Wójcik Waldemar, Shayakhmetova Assem, Akhmetova Ardak, Abdildayeva Assel, Galymzhan Nurtugan
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
|
2024
|
T. 14, nr 4
115--120
EN
Engaging in investment activities plays a crucial and strategic role in fostering the growth of businesses and ensuring their resiliencein the market. This involvement entails expenditures on acquiring assets, embracing technological advancements, expanding production capacities, conducting research and development, among various other domains. Collectively, these aspects form the foundation for the sustained successof an organization over the long term. This thesis will delve into an exploration of leveraging machine learning techniques to forecast key parametersin business, including investments and their impact on the financial health of the company. In this research, explored a variety of time series modelsand identified that both the Random Forest Regressor and Decision Tree Regressor models deliver superior accuracy, showcasing identical RMSE values of 88.36 on the validation dataset. Furthermore, the Cat Boost and Light GBM models exhibited praiseworthy performance, registering RMSE valuesof 92.47 and 104.69, respectively. These findings highlight the robust performance of Random Forest Regressor and Decision Tree Regressor, emphasizing their capability to provide accurate predictions. It is noted that Random Forest Regressor and Decision Tree Regressor are distinguished by high accuracy in time series forecasting, and the choice between them should take into account the trade-offs between computational efficiency and interpretabilityof the model. These results allow us to propose practical strategies for managing investment resources to ensure the sustainable developmentand prosperity of the enterprise in the long term.
PL
Zaangażowanie w działalność inwestycyjną odgrywa kluczową i strategiczną rolę we wspieraniu rozwojuprzedsiębiorstw i zapewnianiuich stabilności na rynku. Zaangażowanie to pociąga za sobą wydatki na nabycie aktywów, wdrażanie postępu technologicznego, zwiększanie zdolności produkcyjnych, prowadzenie badań i rozwoju oraz wiele innych obszarów. Łącznie aspekty te stanowią podstawę trwałego sukcesu organizacjiw perspektywie długoterminowej. Niniejsza rozprawa dotyczy wykorzystania technik uczenia maszynowego do prognozowania kluczowych parametróww biznesie, w tym inwestycji i ich wpływu na kondycję finansową firmy. W tym artykule zbadano różne modele szeregów czasowych i stwierdzono,że zarówno modele Random Forest Regressor, jak i Decision Tree Regressor zapewniają najwyższą dokładność, wykazując identyczne wartości RMSE wynoszące 88,36 w zbiorze danych walidacyjnych. Co więcej, modele Cat Boost i Light GBM wykazały się godną pochwały wydajnością, rejestrując wartości RMSE odpowiednio 92,47 i 104,69. Wyniki te podkreślają solidną wydajność regresorów Random Forest Regressor i Decision Tree Regressor, podkreślając ich zdolność do dostarczania dokładnych prognoz. Należy zauważyć, że Random Forest Regressor i Decision Tree Regressor wyróżniająsię wysoką dokładnością w prognozowaniu szeregów czasowych, a wybór między nimi powinien uwzględniać kompromisy między wydajnością obliczeniową a interpretowalnością modelu. Wyniki te pozwalają nam zaproponować praktyczne strategie zarządzania zasobami inwestycyjnymiw celu zapewnienia zrównoważonego rozwoju i dobrobytu przedsiębiorstwa w perspektywie długoterminowej.
2
Content available Cycles in Bayesian Networks
Shayakhmetova Assem, Litvinenko Natalya, Mamyrbayev Orken, Wójcik Waldemar, Zhamangarin Dusmat
International Journal of Electronics and Telecommunications
|
2021
|
Vol. 67, No. 2
181--186
EN
The article is devoted to some critical problems of using Bayesian networks for solving practical problems, in which graph models contain directed cycles. The strict requirement of the acyclicity of the directed graph representing the Bayesian network does not allow to efficiently solve most of the problems that contain directed cycles. The modern theory of Bayesian networks prohibits the use of directed cycles. The requirement of acyclicity of the graph can significantly simplify the general theory of Bayesian networks, significantly simplify the development of algorithms and their implementation in program code for calculations in Bayesian networks.
3
Content available remote Graph models with multiple Bayesian networks
Shayakhmetova Assem
Przegląd Elektrotechniczny
|
2020
|
R. 96, nr 12
252--255
EN
This paper is devoted to some issues of using multiple Bayesian networks in the various applied problems. Sometimes we deal with applied problems that are difficult to describe with a model that is represented by only one Bayesian network. At the same time, the considered problem may contain blocks with various types of uncertainties that can be well described by multiple Bayesian networks. Even if the problem can be described by only one Bayesian network, the size of this network could be so large that it will be impossible to find the solution with the help of existing software products. In this case, it is better to decompose in some way this large Bayesian network into several smaller ones. However, existing software products are poorly adapted to work with several Bayesian networks simultaneously. In this project, we develop and describe a software product that allows us to work with several Bayesian networks simultaneously.
PL
Artykuł ten jest poświęcony niektórym zagadnieniom związanym z wykorzystaniem szeregu sieci bayesowskich w różnych obszarach zastosowań. Czasami mamy do czynienia z zagadnieniami stosowanymi, które są trudne do opisania za pomocą modelu, który jest reprezentowany przez pojedynczą sieć Bayesa. Jednocześnie, rozważany problem może zawierać bloki z różnymi rodzajami niepewności, które mogą być dobrze opisane przez wiele sieci Bayesa. Nawet jeśli problem może być opisany tylko przez jedną sieć Bayesa, rozmiar tej sieci może być tak duży, że niemożliwe będzie znalezienie rozwiązania przy pomocy istniejącego oprogramowania. W tym przypadku lepiej jest rozłożyć w jakiś sposób tę dużą sieć na kilka mniejszych. Istniejące oprogramowanie jest jednak słabo przystosowane do pracy z kilkoma sieciami jednocześnie. W tym celu opracowaliśmy i opisaliśmy oprogramowanie, które pozwala nam na pracę z kilkoma sieciami Bayesa jednocześnie.
4
Content available remote Application of bayesian networks for estimation of individual psychological characteristics
Litvinenko Alexander, Mamyrbayev Orken, Litvinenko Natalya, Shayakhmetova Assem, Kotyra Andrzej
Przegląd Elektrotechniczny
|
2019
|
R. 95, nr 5
92--97
EN
An accurate qualitative and comprehensive assessment of human potential is one of the most important challenges in any company or collective. We apply Bayesian networks for developing more accurate overall estimations of psychological characteristics of an individual, based on psychological test results, which identify how much an individual possesses a certain trait. Examples of traits could be a stress resistance, the readiness to take a risk, the ability to concentrate on certain complicated work.
PL
Jakościowa oraz kompleksowa ocena potencjału ludzkiego jest jednym z najważniejszych wyzwań dla każdej firmy lub grupy. Sieci Bayesowskie stosowane są do opracowywania dokładniejszych ogólnych oszacowań cech psychologicznych jednostki, w oparciu o wyniki testów psychologicznych, które określają, jak dużo dana osoba posiada pewnych cech.
5
Content available Generations in Bayesian networks
Litvinenko Alexander, Litvinenko Natalya, Mamyrbayev Orken, Shayakhmetova Assem
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
|
2019
|
T. 9, nr 3
10--13
EN
This paper focuses on the study of some aspects of the theory of oriented graphs in Bayesian networks. In some papers on the theory of Bayesian networks, the concept of “Generation of vertices” denotes a certain set of vertices with many parents belonging to previous generations. Terminology for this concept, in our opinion, has not yet fully developed. The concept of “Generation” in some cases makes it easier to solve some problems in Bayesian networks and to build simpler algorithms. In this paper we will consider the well-known example “Asia”, described in many articles and books, as well as in the technical documentation for various toolboxes. For the construction of this example, we have used evaluation versions of AgenaRisk.
PL
Niniejszy artykuł koncentruje się na badaniu pewnych aspektów teorii zorientowanych grafów w sieciach bayesowskich. W niektórych artykułach na temat teorii sieci bayesowskich pojęcie „generacji wierzchołków” oznacza pewien zestaw wierzchołków z wieloma rodzicami należącymi do poprzednich generacji. Terminologia tego pojęcia, naszym zdaniem, nie została jeszcze w pełni rozwinięta. Koncepcja „Generacji” w niektórych przypadkach ułatwia rozwiązywanie niektórych problemów w sieciach bayesowskich i budowanie prostszych algorytmów. W tym artykule rozważymy dobrze znany przykład „Azja”, opisany w wielu artykułach i książkach, a także w dokumentacji technicznej różnych zestawów narzędzi. Do budowy tego przykładu wykorzystaliśmy wersje testowe AgenaRisk.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.