Прогнозування динаміки складних процесів генетичними методами

dc.contributor.advisorМиронцов, Микита Леонідович
dc.contributor.authorЛетич, Артем Анатолійович
dc.contributor.authorLetych, Artem
dc.date.accessioned2025-11-11T08:37:19Z
dc.date.available2025-11-11T08:37:19Z
dc.date.issued2025-05-23
dc.description.abstractУ кваліфікаційній магістерській роботі досліджено підходи до прогнозування динаміки складних процесів на прикладі епідемій із застосуванням генетичних алгоритмів і нейронних мереж. Розроблено інтелектуальну систему, що поєднує метод зворотного поширення похибки з еволюційною оптимізацією, реалізовано навчання на реальних епідеміологічних даних. This master's thesis explores methods for forecasting the dynamics of complex processes using genetic algorithms and neural networks, based on the case of epidemic development. An intelligent system was developed that combines backpropagation with evolutionary optimization, and the model was trained on real epidemiological data.
dc.identifier.citationЛетич А. А. Прогнозування динаміки складних процесів генетичними методами : магістер. диплом. робота : 122, Комп’ютерні науки / Летич Артем Анатолійович ; наук. керівник Миронцов М. Л. ; КНЕУ ім. Вадима Гетьмана, Навч.-наук. ін-т «Ін-т інформ. технологій в економіці», Каф. інформ. систем в економіці. – Київ, 2025. – 102 с.
dc.identifier.urihttps://ir.kneu.edu.ua/handle/2010/52894
dc.language.isouk
dc.publisherКиївський національний економічний університет імені Вадима Гетьмана
dc.subjectпрогнозування
dc.subjectгенетичний алгоритм
dc.subjectнейронна мережа
dc.subjectдинаміка процесів
dc.subjectMLP
dc.subjectforecasting
dc.subjectgenetic algorithm
dc.subjectneural network
dc.subjectprocess dynamics
dc.titleПрогнозування динаміки складних процесів генетичними методами
dc.title.alternativePredicting the dynamics of complex processes using genetic methods
dc.typeOther
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Letych Artem_122_25.pdf
Size:
2.87 MB
Format:
Adobe Portable Document Format
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Collections