Прогнозирование спортивных событий с помощью нейронных сетей
Введение
Современное общество, вошедшее в стадию информационного, постиндустриального, характеризует рост ценности информационных технологий и коммуникаций.
Информатизация коснулась большого количества областей жизни общества: от использования в служебных целях для автоматизации основной деятельности до сферы продаж, предоставления услуг (наличный оборот постепенно вытесняют платежные системы), традиционные магазины отдают долю рынка Интернет-системам, широкое распространение также получают государственные услуги в электроном виде. Личная жизнь людей в настоящее время также связана с влиянием информационных технологий посредством социальных сетей.
В настоящее время большая часть человечества не представляет своей жизни без использования мессенджеров и социальных сетей, все больше личной информации становится доступной для просмотра в данных сервисах.
В связи с этим, актуальность приобретает вопрос проведения анализа профилей пользователей с использованием социальных сетей. Дан
Содержание
Введение4
1.Исследовательский раздел6
1.1. Анализ процесса прогнозирования спортивных событий с помощью нейронных сетей6
1.2. Анализ программных продуктов прогнозирования спортивных событий с помощью нейронных сетей17
1.2.1 Система анализа социальных сетей RADIAN618
1.2.2 Система анализа социальных сетейALTERIAN SM219
1.2.3 Система анализа социальных сетейRECORDEDFUTURE21
1.2.4 Система «PALANTIR» (КОРПОРАЦИЯ PALANTIR)22
1.3. Постановка задачи24
2. Специальный раздел39
2.1. Разработка механизма прогнозирования спортивных событий с помощью нейронных сетей39
2.2. Разработка алгоритма механизма прогнозирования спортивных событий с помощью нейронных сетей45
2.3. Разработка структуры механизма прогнозирования спортивных событий с помощью нейронных сетей63
3. Технологический раздел75
3.1. Информационное обеспечение75
3.2. Программное обеспечение75
3.3. Техническое обеспечение86
Заключение90
Список использованных источников92
Список использованных источников
Портрет личности пользователя социальной сети. [Электронный ресурс]. Режим доступа: http://www.chaskor.ru/article/akkaunt_polzovatelya_-_tsifrovoj_otpechatok_lichnosti_32639
Психологическая оценка личности по аккаунту в социальных сетях. [Электронный ресурс]. Режим доступа: http://psyresearchdigest.blogspot.ru/2013/11/otsenka-lichnosti-po-aktivnosti-v-sotsialnykh-setyakh-ili-Big-Data-prikhodyat-psikhologiyu.html
Kosinski, M., Stillwell, D., & Graepel, T. (2013). Private traits and attributes are predictable from digital records of human behavior. Proceedings of the National Academy of Sciences, 110(15), 5802–5805.
Система AlterianSM2. [Электронный ресурс]. Режим доступа: https://www.alterian.com/
Система «Radian 6». [Электронный ресурс]. Режим доступа: http://www.tadviser.ru/index.php/%D0%9A%D0%BE%D0%BC%D0%BF%D0%B0%D0%BD%D0%B8%D1%8F:Radian6
Система BRANDSPOTTER.[Электронный ресурс]. Режим доступа: https://brandspotter.ru/project
Система «RECORDEDFUTURE». [Электронный ресурс]. Режим доступа: https://www.recordedfuture.com/
Характеристики социальных сетей. В контакте. [Электронный ресурс]. Режим доступа: http://yavkontakte.ru/xarakteristiki-socialnyx-setej.html
Информатика: учебник для студентов вузов, обучающихся по специальности 080801 "Прикладная информатика" и другим экономическим специальностям /[В. В. Трофимов и др.] ; под ред. проф. В. В. Трофимова.-М.: Юрайт, 2010.-910 с.
Информационные системы и технологии в экономике и управлении: [учеб. для вузов по специальности "Прикладная информатика (по обл.)" и др. экон. специальностям] /[В. В. Трофимов и др.] ; под ред. В. В. Трофимова.-М.: Высш. образование, 2010.-480 с.
Коноплева, И.А. Информационные технологии: учеб. пособие : [для вузов по специальности "Прикладная информатика (по областям)] /И. А. Коноплева, О. А. Хохлова, А. В. Денисов.-М.: Проспект, 2010.-294 с.
Максимов, Н.В. Технические средства информатизации: учеб. для студентов учреждений
Микроколония кодированных чисел и результат измерения выходного сигнала. При необходимости, дополнительные слои и нейроны удаляются или добавляются.
Идеально для подбора числа нейронов и слоев использовать суперкомпьютер. Эта система позволяет нейронным сетям быть пластичными.
Прогнозирование
Возможности нейронных сетей делать прогнозы, напрямую выливаются из их умений обобщать и выделять скрытые зависимости между данными входящими и выходящими.
В последствии обучения сети приобрели способности, предсказывать значение некой последовательности в бедующем времени, опираясь всего на несколько предыдущих значений или каким-то образом, отталкиваться от существующих в настоящий момент факторов.
Подводя итог, можно заключить, что прогнозирование возможно только в то время, когда измерения предыдущие, в действительности в определенной мере предопределяют будущие.
К примеру, факт о прогнозировании котировок акций на основе котировок за прошед