Skip navigation
Please use this identifier to cite or link to this item: https://libeldoc.bsuir.by/handle/123456789/65366
Full metadata record
DC FieldValueLanguage
dc.contributor.authorЯковлев, Н. Е.-
dc.contributor.authorМатюшев, Е. Ю.-
dc.coverage.spatialМинскen_US
dc.date.accessioned2026-08-11T08:47:10Z-
dc.date.available2026-08-11T08:47:10Z-
dc.date.issued2026-
dc.identifier.citationЯковлев, Н. Е. Гибридные модели на базе LSTM и разложения временных рядов для многошагового прогнозирования валютных рынков / Н. Е. Яковлев, Е. Ю. Матюшев // Актуальные вопросы экономики и информационных технологий : сборник материалов докладов 62-й научной конференции аспирантов, магистрантов и студентов БГУИР, Минск, 13–17 апреля 2026 г. / Белорусский государственный университет информатики и радиоэлектроники. – Минск, 2026. – С. 538–540.en_US
dc.identifier.urihttps://libeldoc.bsuir.by/handle/123456789/65366-
dc.description.abstractВ данной работе рассматривается задача многошагового прогнозирования курса доллара США к белорусскому рублю на основе гибридных моделей, сочетающих нейронные сети и методы разложения временных рядов. Использование таких подходов позволяет повысить точность прогнозирования за счёт предварительного выделения тренда, сезонности и шумовой составляющей.en_US
dc.language.isoruen_US
dc.publisherБГУИРen_US
dc.subjectматериалы конференцийen_US
dc.subjectгибридные моделиen_US
dc.subjectLSTMen_US
dc.subjectразложение временных рядовen_US
dc.subjectмногошаговое прогнозированиеen_US
dc.subjectвалютные рынкиen_US
dc.subjectвременные рядыen_US
dc.subjectфинансовое прогнозированиеen_US
dc.subjectмашинное обучениеen_US
dc.subjectнейронные сетиen_US
dc.titleГибридные модели на базе LSTM и разложения временных рядов для многошагового прогнозирования валютных рынковen_US
dc.typeArticleen_US
Appears in Collections:Актуальные вопросы экономики и информационных технологий : материалы 62-й научной конференции аспирантов, магистрантов и студентов (2026)

Files in This Item:
File Description SizeFormat 
YAkovlev_Gibridnye.pdf410.74 kBAdobe PDFView/Open
Show simple item record Google Scholar

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.