Новые публикации
 |
| Царев Ю.А.,
Полушкин О.А.,
Шумейко М.В. |
| Информационно-консультационные центры – научные центры в системе технического сервиса АПК |
|
| 4.3.1. Технологии, машины и оборудование для агропромышленного комплекса
|
| Просмотров: 5
|
Реферат
Рассматривается система технического сервиса в агропромышленном комплексе в контексте с информационно-консультационными центрами, которые предназначены для увеличения эффективности хозяйственной деятельности сельских товаропроизводителей, и в целом страны. Отмечается, что в настоящее время этот процесс осложняется недостатком подготовленных кадров всех категорий на всех уровнях, да и фактически застопорился уже на много лет. Рассматривается подход к решению задачи выбора деятельности сельхозпроизводителей совместно с научными организациями, как основными информационно-консультационными центрами, использующие современные информационные технологии. По нашему мнению, только в высших учебных заведениях и их филиалах, научно-исследовательских организациях и региональных дилерских центрах могут достаточно объективно и грамотно дать исчерпывающую консультацию сельхозпроизводителям по всем возникающим проблемам и вопросам, поскольку только в этих организациях сосредоточены почти все научные кадры и специалисты АПК
|
|
 |
| Ханенков П.В. |
| Моделирование ценообразования на вторичном рынке Москвы в условиях неопределенности |
|
| 5.2.2. Математические, статистические и инструментальные методы в экономике
|
| Просмотров: 3
|
Реферат
В статье проводится сравнительный анализ эффективности различных методов машинного обучения для прогнозирования цен на однокомнатные квартиры на вторичном рынке Москвы в период с сентября 2022 по май 2025 года. Исследование осуществляется в условиях значительной макроэкономической неопределенности, характеризующейся высокой волатильностью ключевых показателей. Для моделирования используются как исторические данные о ценах, так и набор макроэкономических и геo-переменных. В работе тестируются модели линейной регрессии, ансамблевые методы (стэкинг), рекуррентные нейронные сети (LSTM) и модель прогнозирования временных рядов Prophet. Результаты показывают, что классические методы машинного обучения, в частности стэкинг регрессоров, демонстрируют наилучшую точность на данном временном интервале, превосходя более сложные нейросетевые архитектуры, что свидетельствует о специфике обрабатываемых данных и важности правильного подбора признаков
|
|
|
Новости
Архив номеров
|
214, декабрь 2025 | 22.12.2025 |
|
213, ноябрь 2025 | 28.11.2025 |
|
212, октябрь 2025 | 31.10.2025 |
|
211, сентябрь 2025 | 30.09.2025 |
|
210, июнь 2025 | 30.06.2025 |
|
209, май 2025 | 30.05.2025 |
|
208, апрель 2025 | 30.04.2025 |
|
207, март 2025 | 31.03.2025 |
|
206, февраль 2025 | 28.02.2025 |
|
205, январь 2025 | 31.01.2025 |
Архив номеров (2003-2024 гг.) |
Авторы - top 10 (по числу статей)
Авторы - top 10 (по рейтингу статей)
Рейтинг автора складывается из суммы рейтинга всех его статей.
Рейтинг статьи рассчитывается как число_просмотров_статьи/ число_авторов_статьи.
|