Academic literature on the topic 'Мережі Байєса'

Предметом вивчення в статті є оцінка ризику для випадку виникнення особливої ситуації-відмові двигуна на повітряному судні в польоті. Метою є моделювання та кількісна оцінка ризику для випадку виникнення ситуацій, які можуть призвести до відмови двигуна на повітряному судні з використанням байєсівських мереж. Завдання: аналіз ряду математичних моделей, які доцільно використовувати для кількісної оцінки ризику в області безпеки польотів, побудова математичної моделі ризику, яка відображає розвиток можливих подій внаслідок відмови двигуна з використанням байєсівських мереж для визначення ймовірності виникнення авіаційних подій різного ступеня. Використовуваними методами є: теорія графів, байєсівські мережі, методи аналізу і синтезу складних інформаційних систем, методи імітаційно-статистичного моделювання. Отримані такі результати. Розроблений метод оцінки ризику в сфері безпеки польотів, внаслідок реалізації такої небезпеки, як відмова двигуна на повітряному судні, заснований на застосуванні мереж Байєса. Побудована математична модель, що дозволяє визначити рівень ризику для випадку виникнення ситуацій, які можуть призвести до відмови двигуна в польоті у вигляді графа з таблицями безумовних, умовних та сумісних розподілів ймовірностей. За допомогою побудованої моделі визначено найбільш ймовірний наслідок прояву такої небезпеки як відмова двигуна на повітряному судні, а також найбільший рівень ризику. Висновки. Напрямком подальших досліджень є розробка та побудова системи підтримки прийняття рішень для удосконалення технології роботи авіадиспетчера управління повітряним рухом.

In this article was represented implementation of methodology of nonlinear non stationary processes modeling in economy and finances which based on different conceptions of system analysis, regression analysis and applying of bayesian network to improve estimation of short term forecasts.

Розглянуто основні положення логіко-статистичної моделі оцінки довговічності планерів повітряних суден. Застосування інтелектуальних інформаційних технологій підтримки прийняття рішень в процесі логіко-статистичної обробки бази даних експлуатації і ремонту дозволяє визначити ранги пошкодження силових елементів і виконати моделювання траєкторій прогнозованих змінтехнічного стану. Передбачено прийняття припущень щодо параметрів моделі втомної міцності для визначення апріорних та апостеріорних ймовірностей оцінок технічного стану планера повітряних суден при використанні мереж Байєса.

На сьогодні у процесах міграції радіонуклідів встановилась певна динамічна рівновага, що дозволяє виконувати моделювання з метою мінімізації ризику від вживання продуктів, одержаних з рекультивованих угідь, для здоров‘я людини.

У світі працюють ефективні рішення побудовані на базі Блокчейн, такі як наприклад Біткоін - інноваційна мережа платежів та цифрова валюта. З цією технологією тісно пов’язані великі дані. Одна з галузей, що зараз активно накопичує такі дані – біржі обміну криптовалют – Binance, EXMO, Bittrex, та інші. Наразі існує потреба в інструментах, які дозволяють аналізувати такі дані, щоб отримувати корисну інформацію, придатну для комерційного застосування. Мережі Байєса є ефективним інструментом для вирішення цієї задачі. Метою дослідження є створення системи підтримки прийняття рішень (СППР), що призначена для побудови структури дискретної мережі Байєса (МБ) за навчальними даними, ймовірнісного висновку в ній, та використання її для прогнозу курсу криптовалюти Біткоін. Досягнення поставленої мети вимагає розв’язання таких задач: 1. Аналіз принципів функціонування та ціноутворення криптовалюти Біткоін 2. Аналіз існуючих методів прогнозування курсу Біткоін. 3. Аналіз принципів побудови МБ за навчальними даними. 4. Аналіз методів побудови ймовірнісного висновку в МБ. 5. Реалізація евристичного алгоритму побудови МБ у вигляді програмного продукту. 6. Реалізація ймовірнісного висновку в побудованій мережі. 7. Апробація програмного продукту на навчальних даних, що становлять вибірку історичних даних коливання курсу криптовалюти Біткоін. 8. Аналіз ефективності створеної моделі, порівняння точності побудованого прогнозу з результатами інших досліджень у сфері прогнозування курсу криптовалют. Об’єктом дослідження є статистичні дані щодо історії коливання курсу Біткоін, а також 24 функцій ринку та мережі Біткоін, зібраних щоденно з 2009 року, які потребують ефективної аналітичної обробки з метою прогнозування подальших коливань його курсу. Предметом дослідження є метод прогнозування курсу криптовалют з використанням МБ, навчання ймовірнісних МБ за статистичними даними та формування ймовірнісного висновку. Методи дослідження базуються на поняттях теорії ймовірності та математичної статистики, теорії графів та теорії формування ймовірнісного висновку у МБ, принципах функціонування та ціноутворення в криптовалюті Біткоін. Наукова новизна одержаних результатів: реалізовано евристичний метод побудови МБ за навчальними даними. Реалізовано ймовірнісний висновок в побудованій мережі. Реалізовано алгоритм виключення змінних для знаходження ймовірнісного висновку в побудованій мережі. Реалізовано СППР, що використовує розроблений метод для прогнозування курсу криптовалюти Біткоін на різних часових проміжках. Проведено порівняльний аналіз точності прогнозування з результатами інших досліджень в сфері прогнозування курсу Біткоін.
Relevance of the topic – effective Blockchain-based solutions exist in the world, such as Bitcoin, an innovative payment network and digital currency. Big data is closely linked to this technology. One of the industries that is now actively accumulating such data – is a cryptocurrency exchange business - Binance, EXMO, Bittrex, etc. There is now a need for tools that allow to analyze such data in order to obtain useful information for commercial use. The Bayesian network (BN) is a very effective tool for this task. Achieving the goal requires solving the following tasks: 1. Analysis of the principles of functioning and pricing of Bitcoin cryptocurrency 2. Analysis of different methods of forecasting the Bitcoin rate. 3.Analysis of the principles of building BN based on training data. 4. Analysis of methods for constructing probabilistic inference in BN. 5. Implementation of the heuristic algorithm of BN construction as a software product. 6. Implementation of probabilistic inference in the constructed network. 7. Testing the software on training data, which is a sample of a historical data on the fluctuation of the Bitcoin cryptocurrency. 8. Analysis of the effectiveness of the created model, comparison of the accuracy of the constructed forecast with the results of other studies in the field of cryptocurrency forecasting. Objective of the study is the statistics on the history of Bitcoin exchange rate fluctuations that require effective analytical processing to predict its future fluctuations. 6. Implementation of probabilistic inference in the constructed network. 7. Testing the software on training data, which is a sample of a historical data on the fluctuation of the Bitcoin cryptocurrency. 8. Analysis of the effectiveness of the created model, comparison of the accuracy of the constructed forecast with the results of other studies in the field of cryptocurrency forecasting. Objective of the study is the statistics on the history of Bitcoin exchange rate fluctuations that require effective analytical processing to predict its future fluctuations.

Магістерська дисертація: 89 с., 21 рис., 22 табл., 19 джерел. В роботі розглядаються питання дослідження нелінійних нестаціонарних процесів в економіці та фінансах, які представлені статистичними даними. Детально розглянута задача визначення нелінійності та нестаціонарності досліджуваного процесу. Також розглянута задача заповнення пропусків у статистичних даних. Представлена та застосована методика побудови нелінійних нестаціонарних процесів. Об’єкт дослідження: статистичні дані стосовно розвитку вибраних фінансово-економічних процесів. Предмет дослідження: методика побудови моделей нестаціонарних процесів, методи дослідження пропусків даних, регресійні моделі, статистичні характеристики адекватності моделей і оцінок прогнозів. Методи дослідження: статистичний аналіз даних, методи заповнення пропусків даних, регресійний аналіз, мережі Байєса, фільтр Калмана. Мета дослідження: реалізація методики побудови моделей нестаціонарних процесів. Розроблена та застосована методика побудови моделей нестаціонарних процесів. Проведений аналіз впливу пропусків даних та застосування методів згладжування на статистичні характеристики моделей даних/.
The theme: Probabilistic and Statistical Models of Nonstationary Processes in Economy and Finances. Master thesis: 89 p., 21 fig., 22 tabl., 1 appendixes, 19 ref. In this work the problem of building non-linear nonstationary processes models and. Introduced appropriate methodology for building models of non-linear nonstationary processes. An important task of imputation of missing values in statistical data was considered. Their influence was analyzed on statistical characteristics of the data model. Object of the research: statistical data about developing of chosen macro- economic processes. Subject of the research: nonlinear processes models building methodology, detecting methods of missing values, statistical characteristics of model adequacy and forecasting evaluations. The methods of the research are as follows: modeling and forecasting theory, regression analysis, statistical analysis, methods of imputation of missing values. Target of research: implementation of methodology for building models of non-linear nonstationary processes, analysis of influence of missing values on model adequacy of dynamical processes. Developed methodology of the time series models building was used for building of model of nonlinear processes. Analysis of missing values was conducted to define their influence on statistical characteristics of model.

Роботу виконано в Інституті прикладного системного аналізу Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського».
У дисертаційній роботі розроблено системну методологію аналізу та оцінювання фінансових ризиків, яка ґрунтується на принципах системного аналізу та менеджменту ризиків, а також запропонованих принципах адаптивного та динамічного менеджменту ризиків. Методологія включає: комбінований метод обробки неповних та втрачених даних, ймовірнісно-статистичний метод оцінювання ризику фінансових втрат, динамічний метод оцінювання ризиків, який передбачає побудову різних типів моделей виживання, метод структурно-параметричної адаптації, застосування скорингової карти до аналізу ризиків фінансових систем і нейро-нечіткий метод доповнення вибірки відхиленими заявками. Містить критерії урахування інформаційного ризику, оцінки якості даних, прогнозів та рішень, квадратичний критерій якості опрацювання ризику та інтегральну характеристику оцінювання ефективності методів менеджменту ризиків. Практична цінність одержаних результатів полягає у створенні розширеної інформаційної технології та інформаційної системи підтримки прийняття рішень на основі запропонованої системної методології.