Даниил Сергеевич Алексеев (МГТУ им.Н.Э.Баумана) :


Статьи:

519.2 Исследование качества прогнозирования временных рядов с помощью реализации модели AT-LSTM на C++

Облакова Т. В. (МГТУ им.Н.Э.Баумана), Алексеев Д. С. (МГТУ им.Н.Э.Баумана)


doi: 10.18698/2309-3684-2025-1-8091


В настоящей работе рассматривается реализация рекуррентной нейронной сети AT-LSTM (Attention based Long Short Term Memory) на языке программирования C++, разработанная с целью сокращения времени обучения и прямого хода модели. В статье представлены архитектура и примеры работы данной нейросети, описаны подходы к ее обучению и оценке результатов. В ходе исследования были проведены эксперименты по оценке производительности нейросети AT-LSTM при обучении и прямом ходе в сравнении с реализацией на языке Python. Оценка производительности включала измерение времени обучения и времени работы сети при одинаковой длине входных данных, но разных значениях гиперпараметров. Эксперименты показали возможность значительного сокращения времени обучения, снижения ошибки прогнозирования и сохранения высокого качества результатов прогноза при использовании реализации на языке программирования C++. Для того чтобы оценить применимость рассматриваемой реализации AT-LSTM на практике, был проведен анализ качества прогнозирования финансовых временных рядов. В качестве объектов анализа были выбраны курсы валют USD/RUB и EUR/RUB, а также курсы акций компаний Apple (AAPL) и Microsoft (MSFT). Результаты анализа показали, что полученная модель высокоэффективна для прогнозирования временных рядов и может быть успешно применена на практике. На основе проведенных экспериментов и анализа, установлено, что рассматриваемая реализация AT-LSTM на C++ позволяет быстро и качественно обучить модель для дальнейшего прогнозирования временных рядов.


Облакова Т.В., Алексеев Д.С. Исследование качества прогнозирования временных рядов с помощью реализации модели AT-LSTM на C++. Математическое моделирование и численные методы, 2025, № 1, с. 80–91.



519.2 Сравнительный анализ методов моделирования и прогнозирования временных рядов на основе теории фрактального броуновского движения

Облакова Т. В. (МГТУ им.Н.Э.Баумана), Алексеев Д. С. (МГТУ им.Н.Э.Баумана)


doi: 10.18698/2309-3684-2022-4-4862


Работа посвящена сравнению различных методов моделирования и применения фрактального броуновского движения в задачах анализа временных рядов. Реализованы программные модули, генерирующие траектории фрактального броуновского движения с использованием методов стохастического представления, разложения Холецкого и Дэвиса-Харта. Проведено сравнение алгоритмов с точки зрения их сложности и качества получаемых траекторий. Показатель Хёрста оценивался методами Минковского и R/S анализа. Предложена и реализована аппроксимация временных рядов фрактальным броуновским движением с помощью степенной функции для последующего применения алгоритма линейного прогнозирования, основанного на теореме о нормальной корреляции. Установлено, что с помощью представленной аппроксимации удается добиться удовлетворительного прогноза валютного курса на несколько значений вперед.


Облакова Т.В., Алексеев Д.С. Сравнительный анализ методов моделирования и прогнозирования временных рядов на основе теории фрактального броуновского движения. Математическое моделирование и численные методы, 2022, № 4, с. 48–62