Публікація: Дослідження алгоритмів прогнозування інформаційного трафіку
dc.contributor.author | Тульчинський, В. О. | |
dc.date.accessioned | 2023-01-31T15:32:24Z | |
dc.date.available | 2023-01-31T15:32:24Z | |
dc.date.issued | 2022 | |
dc.description.abstract | Описана модель фрактального трафіку у вигляді дискретного у часі самоподібного процесу. Розглянуті основні алгоритми прогнозування трафіку: 1) на основі згладжування часових рядів; 2) в рамках моделі ARIMA; 3) на основі штучної нейронної мережі. На основі реалізації реального трафіку проведено порівняльний аналіз наступних алгоритмів прогнозування: LV-предиктору; прогнозування на основі моделей авторегресії; алгоритмів простого і подвійного експоненціального згладжування. Виконано дослідження можливостей довготермінового прогнозування самоподібних у широкому розумінні послідовностей з різними значеннями параметру Херста. | |
dc.identifier.citation | Тульчинський В. О. Дослідження алгоритмів прогнозування інформаційного трафіку : пояснювальна записка до кваліфікаційної роботи здобувача вищої освіти на другому (магістерському) рівні, спеціальність 172 Телекомунікації та радіотехніка / В. О. Тульчинський ; М-во освіти і науки України, Харків. нац. ун-т радіоелектроніки. – Харків, 2022. – 65 с. | |
dc.identifier.uri | https://openarchive.nure.ua/handle/document/21642 | |
dc.language.iso | uk | |
dc.subject | авторегресійний процес | |
dc.subject | згладжування | |
dc.subject | модель трафіку | |
dc.subject | самоподібний процес | |
dc.subject | середньоквадратична похибка | |
dc.subject | фрактальний трафік | |
dc.title | Дослідження алгоритмів прогнозування інформаційного трафіку | |
dc.type | Other | |
dspace.entity.type | Publication |
Файли
Оригінальний пакет
1 - 1 з 1
Завантаження...
- Назва:
- 2022_M_IMI_Tulchinsky_VO.pdf
- Розмір:
- 1.19 MB
- Формат:
- Adobe Portable Document Format
Ліцензійний пакет
1 - 1 з 1
Немає доступних мініатюр
- Назва:
- license.txt
- Розмір:
- 9.64 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: