Использование методов машинного обучения и искусственного интеллекта для анализа социально-экономического развития городских округов, районов и поселений Краснодарского края
Изучение методов машинного обучения и нечетких продукционных систем для исследования социально-экономического развития городских округов, районов и поселений Краснодарского края. Закономерности и их связи с количественными и качественными показателями.
| Рубрика | Экономико-математическое моделирование |
| Вид | статья |
| Язык | русский |
| Дата добавления | 26.12.2019 |
| Размер файла | 2,3 M |
Соглашение об использовании материалов сайта
Просим использовать работы, опубликованные на сайте, исключительно в личных целях. Публикация материалов на других сайтах запрещена.
Данная работа (и все другие) доступна для скачивания совершенно бесплатно. Мысленно можете поблагодарить ее автора и коллектив сайта.
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Подобные документы
Характеристика российской модели переходной экономики. Математические модели социально-экономических процессов, факторы и риски экономической динамики, посткризисные тренды. Роль Краснодарского края в экономике РФ, стратегия его экономического развития.
дипломная работа [385,0 K], добавлен 21.01.2016Характеристика строительной отрасли Краснодарского края. Прогноз развития жилищного строительства. Современные методы и инструментальные средства кластерного анализа. Многомерные статистические методы диагностики экономического состояния предприятия.
дипломная работа [2,4 M], добавлен 20.07.2015Описание сценарных условий для формирования прогноза социально-экономического развития в 2013-2015 годах. Рассмотрение основ рынка труда и формирования доходов населения, управления рисками. Изучение методов социально-экономического прогнозирования.
курсовая работа [306,1 K], добавлен 19.01.2015Классические подходы к анализу финансовых рынков, алгоритмы машинного обучения. Модель ансамблей классификационных деревьев для прогнозирования динамики финансовых временных рядов. Выбор алгоритма для анализа данных. Практическая реализация модели.
дипломная работа [1,5 M], добавлен 21.09.2016Определение оптимальных методов развития малого и среднего предпринимательства. Оценка влияния групп индикаторов на его показатели. Корреляционный анализ институциональных факторов социально-экономического развития и их добавление в регрессионные модели.
курсовая работа [544,9 K], добавлен 17.03.2015Создание модели анализа и прогнозирования социально-экономического развития Российских регионов методом главных компонент. Оценка основных экономических показателей региона. Формирование индикаторов устойчивого развития с использованием программы МИДАС.
курсовая работа [969,1 K], добавлен 29.08.2015Обзор основных инструментов, применяемых в прогнозировании. Характеристика базовых методов построения прогнозов социально-экономических систем при помощи программного обеспечения MS EXCEL. Особенности разработки прогнозных моделей на 2004, 2006 и 2009 гг.
лабораторная работа [218,4 K], добавлен 04.12.2012Понятие корреляционной связи. Связь между качественными признаками на основе таблиц сопряженности. Показатели тесноты связи между двумя количественными признаками. Определение коэффициентов уравнения линейной регрессии методом наименьших квадратов.
контрольная работа [418,7 K], добавлен 22.09.2010Особенности корреляционно-регрессионного анализа, его основные этапы. Характеристика показателей социально-экономического развития стран Африки. Этапы построения уравнения регрессии. Анализ средней продолжительности жизни населения в странах Африки.
контрольная работа [47,2 K], добавлен 17.04.2012Оценка социально-экономического развития Финляндии. Установление степени однородности и закономерности распределения рядов данных в среде MS Excel с помощью инструментов "Описательная статистика" и "Скользящее среднее". Расчет коэффициента корреляции.
курсовая работа [176,8 K], добавлен 29.11.2014
