Анализ самоподобия многомерных временных рядов на основе методов интеллектуального анализа данных

Анализ самоподобия многомерных временных рядов на основе методов интеллектуального анализа данных

Предложены методы вычисления показателя Херста для одномерного и многомерного временных рядов (ВР) на основе главных диагоналей тензорных моделей ВР. Показано, что сложность проблемы обусловливает совместное применение нескольких математических теорий, в частности тензорный и многомерный матричный а...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:Электронное моделирование
Datum:2017
Hauptverfasser: Минаев, Ю.Н., Гузий, Н.Н., Филимонова, О.Ю., Минаева, Ю.И.
Format: Artikel
Sprache:Russian
Veröffentlicht: Інститут проблем моделювання в енергетиці ім. Г.Є. Пухова НАН України 2017
Schlagworte:
Вычислительные процессы и системы
Online Zugang:https://nasplib.isofts.kiev.ua/handle/123456789/127635
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:Анализ самоподобия многомерных временных рядов на основе методов интеллектуального анализа данных / Ю.Н. Минаев, Н.Н. Гузий, О.Ю. Филимонова, Ю.И. Минаева // Электронное моделирование. — 2017. — Т. 39, № 4. — С. 43-67. — Бібліогр.: 19 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine
id nasplib_isofts_kiev_ua-123456789-127635
record_format dspace
spelling Минаев, Ю.Н.
Гузий, Н.Н.
Филимонова, О.Ю.
Минаева, Ю.И.
2017-12-24T11:20:43Z
2017-12-24T11:20:43Z
2017
Анализ самоподобия многомерных временных рядов на основе методов интеллектуального анализа данных / Ю.Н. Минаев, Н.Н. Гузий, О.Ю. Филимонова, Ю.И. Минаева // Электронное моделирование. — 2017. — Т. 39, № 4. — С. 43-67. — Бібліогр.: 19 назв. — рос.
0204-3572
https://nasplib.isofts.kiev.ua/handle/123456789/127635
621.391:519.216
Предложены методы вычисления показателя Херста для одномерного и многомерного временных рядов (ВР) на основе главных диагоналей тензорных моделей ВР. Показано, что сложность проблемы обусловливает совместное применение нескольких математических теорий, в частности тензорный и многомерный матричный анализ. Приведены примеры применения предложенных методов.
Запропоновано методи обчислення показника Херста для одновимірного та багатовимірного часових рядів (ЧР) на основі головних діагоналей тензорних моделей ЧР. Показано, що складність проблеми зумовлює застосування декількох математичних моделей, зокрема тензорний і багатовимірний матричний аналіз. Наведено приклади використання запропонованих методів.
Calculation methods have been proposed for the Hurst factor for univariate and multivariate TS on the basis of the main diagonals of TS tensor models. It is shown that the problem complexity determines the joint use of several mathematical theories, in particular, the tensor and multivariate matrix analysis. The examples of using the proposed methods are presented.
ru
Інститут проблем моделювання в енергетиці ім. Г.Є. Пухова НАН України
Электронное моделирование
Вычислительные процессы и системы
Анализ самоподобия многомерных временных рядов на основе методов интеллектуального анализа данных
Analysis of self-similarity of multivariate time series (ts) on the basis of the methods of intellectual analysis of the data
Article
published earlier
institution Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection DSpace DC
title Анализ самоподобия многомерных временных рядов на основе методов интеллектуального анализа данных
spellingShingle Анализ самоподобия многомерных временных рядов на основе методов интеллектуального анализа данных
Минаев, Ю.Н.
Гузий, Н.Н.
Филимонова, О.Ю.
Минаева, Ю.И.
Вычислительные процессы и системы
title_short Анализ самоподобия многомерных временных рядов на основе методов интеллектуального анализа данных
title_full Анализ самоподобия многомерных временных рядов на основе методов интеллектуального анализа данных
title_fullStr Анализ самоподобия многомерных временных рядов на основе методов интеллектуального анализа данных
title_full_unstemmed Анализ самоподобия многомерных временных рядов на основе методов интеллектуального анализа данных
title_sort анализ самоподобия многомерных временных рядов на основе методов интеллектуального анализа данных
author Минаев, Ю.Н.
Гузий, Н.Н.
Филимонова, О.Ю.
Минаева, Ю.И.
author_facet Минаев, Ю.Н.
Гузий, Н.Н.
Филимонова, О.Ю.
Минаева, Ю.И.
topic Вычислительные процессы и системы
topic_facet Вычислительные процессы и системы
publishDate 2017
language Russian
container_title Электронное моделирование
publisher Інститут проблем моделювання в енергетиці ім. Г.Є. Пухова НАН України
format Article
title_alt Analysis of self-similarity of multivariate time series (ts) on the basis of the methods of intellectual analysis of the data
description Предложены методы вычисления показателя Херста для одномерного и многомерного временных рядов (ВР) на основе главных диагоналей тензорных моделей ВР. Показано, что сложность проблемы обусловливает совместное применение нескольких математических теорий, в частности тензорный и многомерный матричный анализ. Приведены примеры применения предложенных методов. Запропоновано методи обчислення показника Херста для одновимірного та багатовимірного часових рядів (ЧР) на основі головних діагоналей тензорних моделей ЧР. Показано, що складність проблеми зумовлює застосування декількох математичних моделей, зокрема тензорний і багатовимірний матричний аналіз. Наведено приклади використання запропонованих методів. Calculation methods have been proposed for the Hurst factor for univariate and multivariate TS on the basis of the main diagonals of TS tensor models. It is shown that the problem complexity determines the joint use of several mathematical theories, in particular, the tensor and multivariate matrix analysis. The examples of using the proposed methods are presented.
issn 0204-3572
url https://nasplib.isofts.kiev.ua/handle/123456789/127635
citation_txt Анализ самоподобия многомерных временных рядов на основе методов интеллектуального анализа данных / Ю.Н. Минаев, Н.Н. Гузий, О.Ю. Филимонова, Ю.И. Минаева // Электронное моделирование. — 2017. — Т. 39, № 4. — С. 43-67. — Бібліогр.: 19 назв. — рос.
work_keys_str_mv AT minaevûn analizsamopodobiâmnogomernyhvremennyhrâdovnaosnovemetodovintellektualʹnogoanalizadannyh
AT guziinn analizsamopodobiâmnogomernyhvremennyhrâdovnaosnovemetodovintellektualʹnogoanalizadannyh
AT filimonovaoû analizsamopodobiâmnogomernyhvremennyhrâdovnaosnovemetodovintellektualʹnogoanalizadannyh
AT minaevaûi analizsamopodobiâmnogomernyhvremennyhrâdovnaosnovemetodovintellektualʹnogoanalizadannyh
AT minaevûn analysisofselfsimilarityofmultivariatetimeseriestsonthebasisofthemethodsofintellectualanalysisofthedata
AT guziinn analysisofselfsimilarityofmultivariatetimeseriestsonthebasisofthemethodsofintellectualanalysisofthedata
AT filimonovaoû analysisofselfsimilarityofmultivariatetimeseriestsonthebasisofthemethodsofintellectualanalysisofthedata
AT minaevaûi analysisofselfsimilarityofmultivariatetimeseriestsonthebasisofthemethodsofintellectualanalysisofthedata
first_indexed 2025-12-07T20:58:20Z
last_indexed 2025-12-07T20:58:20Z
_version_ 1850884594221449216

Ähnliche Einträge