https://elib.bsu.by:443/handle/123456789/313237 Mon, 20 Apr 2026 09:19:16 GMT 2026-04-20T09:19:16Z https://elib.bsu.by:443/handle/123456789/331798 Заглавие документа: Вычисление характеристик эффективности последовательных стастических решающих правил: магистерская диссертация / Ли Хуэй Ян; БГУ, Факультет прикладной математики и информатики, Кафедра дискретной математики и алгоритмики; науч. рук. Харин А. Ю. Авторы: Ли Хуэй Ян Аннотация: Реферат Магистерская диссертация, 49 страниц, 19 рисунков, 36источников,31формула Ключевые слова: ПРИБЛИЖЕННАЯ ЦЕПЬМАРКОВА,ПОСЛЕДОВАТЕЛЬНЫЙ СТАТИСТИЧЕСКИЙ РЕШАЮЩИЙПРАВИЛ,ВЫЧИСЛЕНИЕ ХАРАКТЕРИСТИК ЭФФЕКТИВНОСТИ,ОСТАВШИЙСЯСРОК ПОЛЕЗНОГО ИСПОЛЬЗОВАНИЯ,ДИНАМИЧЕСКАЯКВАНТИЛЬНАЯДИСКРЕТИЗАЦИЯ. Объектом исследования являются приближенные марковские цепи и методы последовательного статистического принятия решений в задачах прогнозирования остаточного ресурса оборудования. Предметом исследования является разработка и верификация вычислительного метода оценки характеристик производительности на основе приближенных марковских цепей для систем последовательного статистического принятия решений в задачах прогнозирования остаточного ресурса промышленного оборудования. Целью работы является разработка вычислительно эффективного метода оценки характеристик производительности на основе аппроксимированных марковских цепей для систем мониторинга промышленного оборудования. В ходе работы был разработан метод приближенной цепи Маркова и его применение в последовательном статистическом принятии решений для задачи прогнозирования остаточного ресурса промышленного оборудования. Предложена вычислительная модель, основанная на динамической квантильной дискретизации и снижении размерности PCA. Результаты показывают, что адаптивное обновление порога выборки каждые 100 циклов может уменьшить ошибку прогнозирования по сравнению со статическим методом. Исследование также показало, что сокращение пространства состояний посредством выбора главных компонентов может значительно сократить время принятия решения. Сравнительный анализ проводился с использованием таких моделей, какLSTMи Hidden Markov Model. Полученные результаты работы могут быть использованы промышленными предприятиями и сервисными организациями, осуществляющими мониторинг критически важного оборудования и сталкивающимися с проблемой прогнозирования остаточного ресурса. Предложенный метод позволяет повысить эффективность принятия решений и сократить затраты на обслуживание оборудования, обеспечивая при этом точность прогнозов. Wed, 01 Jan 2025 00:00:00 GMT https://elib.bsu.by:443/handle/123456789/331798 2025-01-01T00:00:00Z https://elib.bsu.by:443/handle/123456789/331797 Заглавие документа: Модели доходностей активов в средне-дисперсионном анализе Маркоцива на криптовалютных рынках: магистерская диссертация / Тимофей Дмитриевич Полузёров; БГУ, Факультет прикладной математики и информатики, Кафедра теории вероятностей и математической статистики; науч. рук. Харин А. Ю. Авторы: Полузёров, Тимофей Дмитриевич Аннотация: РЕФЕРАТ Магистерская диссертация, 43 страницы, 10 рисунков, 5 таблиц, 1 приложение. Ключевые слова: ПОРТФЕЛЬНАЯ ТЕОРИЯ, ИНВЕСТИЦИИ, АКТИВЫ, ВАЛЮТЫ, КРИПТОВАЛЮТЫ, СРЕДНЕ-ДИСПЕРИСИОННЫЙ АНАЛИЗ, ПРОГНОЗИРОВАНИЕ ВРЕМЕННЫХ РЯДОВ, ДОХОДНОСТЬ, АВТОРЕГРЕССИЯ, МАШИННОЕ ОБУЧНИЕ, БИРЖА. Цель работы: исследовать на реальных данных эффективность методов оценки средней ожидаемой доходности в портфельной теории Марковица. Объект исследования: методы прогнозирования средней доходности, портфельная теория. Предмет исследования: эффективность методов оценки средней доходности и оценка доходностей соотвествующих портфелей. Методы исследования: методы теории вероятностей, математической статистики и временных рядов, методы регрессионного анализа, методы машинного обучения. Результаты работы: предложены методы оценки средних доходностей активов. На реальных данных исследованы доходности соотвествующих портфелей. Выполнена программная реализаци алгоритмов по определению оптимальных портфелей и оценка их доходностей. Области применения: фондовые, валютные, криптовалютные биржи. Инвестиционные проекты, страхование. Wed, 01 Jan 2025 00:00:00 GMT https://elib.bsu.by:443/handle/123456789/331797 2025-01-01T00:00:00Z https://elib.bsu.by:443/handle/123456789/331796 Заглавие документа: Последовательный статистический анализ данных, образующих марковское случайное поле: магистерская диссертация / Андрей Викторович Мясоеденков; БГУ, Факультет прикладной математики и информатики, Кафедра теории вероятностей и математической статистики; науч. рук. Харин А. Ю. Авторы: Мясоеденков, Андрей Викторович Аннотация: АННОТАЦИЯ Мясоеденков А.В., Последовательный статистический анализ данных, образующих марковское случайное поле: Магистерская диссертация / Минск: БГУ, 2025. — 50 с. В работе рассматриваются последовательные статистические критерии Вальда на примере марковского случайного поля и гауссового марковского случайного поля, их поведение в зависимости от параметров. Было исследовано поведение тестов при наличии «загрязнений» наблюдений, предложены способы по повышению их устойчивости и сформулированы вопросы для дальнейших исследований. Также было разработано программное обеспечение для проведения исследований. Wed, 01 Jan 2025 00:00:00 GMT https://elib.bsu.by:443/handle/123456789/331796 2025-01-01T00:00:00Z https://elib.bsu.by:443/handle/123456789/331795 Заглавие документа: Прогнозирование макроэкономических показателей с помощью математических методов: магистерская диссертация / Кирилл Александрович Чигвинцев; БГУ, Факультет прикладной математики и информатики, Кафедра теории вероятностей и математической статистики; науч. рук. Меленец Ю. В. Авторы: Чигвинцев, Кирилл Александрович Аннотация: Общая характеристика работы Магистерская диссертация, 47 с., 14 рис., 11 источников, 2 прил. Ключевые слова к магистерской диссертации: МАКРОЭКОНОМИКА, ВВП, ВРЕМЕННОЙ РЯД, ТРЕНД, АВТОРЕГРЕССИЯ, СКОЛЬЗЯЩЕЕ СРЕДНЕЕ, ARMA, ARIMA, МАШИННОЕ ОБУЧЕНИЕ, СЛУЧАЙНЫЙ ЛЕС, ГРАДИЕНТНЫЙ БУСТИНГ, АНАЛИЗ НАСТРОЕНИЙ. Объектом исследования являются показатели экономической активности и их прогноз. Цель работы – провести исследование основных макроэкономических показателей. Построить прогнозы с помощью различных современных методов, сравнить их. Для решения использовались такие инструменты как временные ряды, модели ARMA и ARIMA, методы машинного обучения случайного леса и градиентного бустинга, анализ текстовых данных для выявления настроений. В результате спрогнозированы некоторые показатели с помощью различных методов, проведено их сравнение по статистическим показателям за определенный промежуток времени. В процессе исследования модели улучшались для повышения эффективности прогноза. Wed, 01 Jan 2025 00:00:00 GMT https://elib.bsu.by:443/handle/123456789/331795 2025-01-01T00:00:00Z