Участник:Rgazizullina

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
м (Отчет о научно-исследовательской работе)
м (Отчет о научно-исследовательской работе)
Строка 18: Строка 18:
[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group174/Gazizullina2014RailwayForecasting/doc/Gazizullina2014RailwayForecasting.pdf?format=raw]
[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group174/Gazizullina2014RailwayForecasting/doc/Gazizullina2014RailwayForecasting.pdf?format=raw]
 +
Строка 24: Строка 25:
'''Извлечение семантических отношений из неструктурированных данных'''
'''Извлечение семантических отношений из неструктурированных данных'''
-
 
''Разработана программа, позволяющая определять по промаркированному новостному потоку определять состоят ли Именованные Сущности в отношении «актер-фильм»''
''Разработана программа, позволяющая определять по промаркированному новостному потоку определять состоят ли Именованные Сущности в отношении «актер-фильм»''

Версия 17:28, 30 декабря 2014

Газизуллина Римма Камилевна МФТИ, ФУПМ, 174 группа


Отчет о научно-исследовательской работе

Весна 2014, 6-й семестр

Прогнозирование объемов железнодорожных грузоперевозок по парам веток

Работа посвящена исследованию алгоритма непараметрического прогнозирования объемов железнодорожных грузоперевозок. Рассматривается задача прогнозирования количества вагонов с различными грузами, следующих по различным маршрутам. Задана топология железнодорожной сети — для всех возможных пар железнодорожных веток дана информация о всех блоках вагонов, совершивших переезд с одной ветки на другую, включая количество вагонов в блоке, вид груза и дату прохождения маршрута. Для построения прогноза используется алгоритм, основанный на свертке эмпирической плотности распределения значений временного ряда с функцией потерь. Ранее прогноз выполнялся для каждого железнодорожного узла в отдельности. Предлагается повысить качество прогноза за счет прогнозирования по парам веток вместо прогнозирования отправления всех вагонов с данного узла. Алгоритм проиллюстрирован посуточными данными за полтора года о перевозках 38 типов грузов.

Подготовлена статья:

Газизуллина Р.К., Стенина М.М., Стрижов В.В. Прогнозирование объемов железнодорожных грузоперевозок по парам веток // Системы и средства информатики. —- 2014 (подано в редакцию)

[1]



Осень 2014, 7-й семестр

Извлечение семантических отношений из неструктурированных данных

Разработана программа, позволяющая определять по промаркированному новостному потоку определять состоят ли Именованные Сущности в отношении «актер-фильм»

Личные инструменты