The 10 references with contexts in paper Lilia Matraeva V., Лилия Матраева Валериевна (2016) “ПРОГНОЗИРОВАНИЕ ПОТОКОВ ПРЯМЫХ ИНОСТРАННЫХ ИНВЕСТИЦИЙ В РЕГИОНЫ РФ // FORECASTING OF FOREIGN DIRECT INVESTMENTS INTO THE REGIONS OF RUSSIAN FEDERATION” / spz:neicon:statecon:y:2013:i:5:p:172-176

1
Заварина Е.С., Озерова К.А. Межрегиональная дифференциация доходов населения России: возможности анализа и регулирования // Вопросы статистики. – 2010. – No5. – С. 30–39.
Total in-text references: 1
  1. In-text reference with the coordinate start=2518
    Prefix
    Этот этап в последнее время некоторые авторы все чаще рассматривают в качестве обязательного приема анализа экономических и социальных явлений, так как социально-экономические показатели далеко не всегда подчиняются нормальному распределению.
    Exact
    [1, 2]
    Suffix
    . Использование данного этапа в процессе анализа позволит сгруппировать группы регионов по сценариям динамического развития и сопоставить эти сценарии с базисными условиями, предпосылками этого развития.

2
Морозова Т.Г., Пикулькин А.В., Тихонов В.Ф., и др. Прогнозирование и планирование в условиях рынка. Учеб. Пособие для вузов. – М.: ЮНИТИ-ДАНА, 1999. – 318 с.
Total in-text references: 6
  1. In-text reference with the coordinate start=2518
    Prefix
    Этот этап в последнее время некоторые авторы все чаще рассматривают в качестве обязательного приема анализа экономических и социальных явлений, так как социально-экономические показатели далеко не всегда подчиняются нормальному распределению.
    Exact
    [1, 2]
    Suffix
    . Использование данного этапа в процессе анализа позволит сгруппировать группы регионов по сценариям динамического развития и сопоставить эти сценарии с базисными условиями, предпосылками этого развития.

  2. In-text reference with the coordinate start=8115
    Prefix
    Считается, что нестационарные процессы в лучшей степени описывают авторегессионные и адаптивные модели. Для нелинейных процессов, имеющих либо хаотическую, либо квазипериодическую, либо смешанную основу в наибольшей степени подходят специальные искусственные сети
    Exact
    [2]
    Suffix
    . Поэтому остановиться однозначно на выборе одного методы в рамках данной задачи не представляется возможным. Для достижения поставленной цели воспользуемся несколькими методами, наиболее полно удовлетворяющими выдвинутым требованиям и сравним качество полученных прогнозов.

  3. In-text reference with the coordinate start=9159
    Prefix
    На ее основе делается прогноз, который сравнивается с фактическими наблюдениями. Далее модель корректируется в соответствии с величиной ошибки прогноза и вновь используется для прогнозирования следующего уровня, вплоть до исчерпания всех наблюдений»
    Exact
    [2]
    Suffix
    . То есть такие модели направлены на то, чтобы отображать в большей степени тенденцию, сложившуюся на конечный момент анализа. В качестве базовых моделей в данном случае предлагается воспользоваться являются моделью авторегрессии и проинтегрированного скользящего среднего (модель АРПСС) и моделью экспоненциального сглаживания.

  4. In-text reference with the coordinate start=15455
    Prefix
    Последние исследования в данной области показывают, что при наличии явной линейности в задаче, способность нейронных сетей к обобщению оказывается более слабой по отношению к классическим методам. Это объясняется как раз нелинейностью сетей по своей сути
    Exact
    [2, 7]
    Suffix
    . То есть нейронные сети чаще всего имеет смысл использовать при решении таких задач, когда в явном виде определить тип зависимости не представляется возможным или классические методы показали не достаточно удовлетворяющие исследователя результаты.

  5. In-text reference with the coordinate start=15805
    Prefix
    То есть нейронные сети чаще всего имеет смысл использовать при решении таких задач, когда в явном виде определить тип зависимости не представляется возможным или классические методы показали не достаточно удовлетворяющие исследователя результаты. Теоретические основы и специфика построения моделей достаточно хорошо рассмотрена в работах
    Exact
    [2, 8, 9]
    Suffix
    . В нашем случае основное внимание было сосредоточено на возможности применения методов нейросетевого прогнозирования именно к тем временным рядам, где классические методы показали недостаточно хорошие результаты (R2 < 90).

  6. In-text reference with the coordinate start=17744
    Prefix
    Прогнозные значения потоков ПИИ, полученные с помощью нейронных сетей, Ленинградская область. тарий радиальных базисных сетей (RBF), так как в данном случае они имеют следующие преимущества перед также реализованными в данном пакете сетями типа многослойных персептрон (MLP)
    Exact
    [2]
    Suffix
    : – Более быстрая обучаемость по сравнению с MPL, что является очень важным фактором в наших условиях недостаточности данных; – Моделирование реализуется с помощью одного слоя (то есть отсутствует задача поиска оптимального количества слоев); – В выбранном прикладном пакете конструктор сети автоматически достаточно успешно решает одну из самых сложных задач при построении сетей типа RBF –

3
Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрии. – М.: ЮНИТИ, 1998. – 465 с.
Total in-text references: 1
  1. In-text reference with the coordinate start=9715
    Prefix
    Обе выбранные модели способны учитывать последние изменения условий прогноза и различную информационную ценность уровней ряда. Свойства этих моделей и особенности их применения достаточно полно описаны в работах
    Exact
    [3, 4, 5]
    Suffix
    . 3. Прогнозирование методом АРПСС В рассматриваемом случае модели АРПСС показали лучшие параметры по сравнению с моделями экспоненциального сглаживания для всех исследуемых временных рядов. Процесс прогнозирования с помощью модели АРПСС включал несколько классических этапов [5]: – сначала был проведен анализ функции (АКФ) и частной автокорреляционной функции (ЧАКФ) с целью проверки ряда на

4
Елисеева И.И., Курышева С. В., Костеева Т. В., Бабаева И. В., Михайлов Б. А. Эконометрика. Учебник под ред. И. И. Елисеевой. М.: Финансы и статистика, 2003. – 344 с.
Total in-text references: 1
  1. In-text reference with the coordinate start=9715
    Prefix
    Обе выбранные модели способны учитывать последние изменения условий прогноза и различную информационную ценность уровней ряда. Свойства этих моделей и особенности их применения достаточно полно описаны в работах
    Exact
    [3, 4, 5]
    Suffix
    . 3. Прогнозирование методом АРПСС В рассматриваемом случае модели АРПСС показали лучшие параметры по сравнению с моделями экспоненциального сглаживания для всех исследуемых временных рядов. Процесс прогнозирования с помощью модели АРПСС включал несколько классических этапов [5]: – сначала был проведен анализ функции (АКФ) и частной автокорреляционной функции (ЧАКФ) с целью проверки ряда на

5
Мхитарян В. С., Архипова М. Ю., Балаш В. А. Эконометрика: Учебник. – М.: Проспект, 2011. – 384 с.
Total in-text references: 2
  1. In-text reference with the coordinate start=9715
    Prefix
    Обе выбранные модели способны учитывать последние изменения условий прогноза и различную информационную ценность уровней ряда. Свойства этих моделей и особенности их применения достаточно полно описаны в работах
    Exact
    [3, 4, 5]
    Suffix
    . 3. Прогнозирование методом АРПСС В рассматриваемом случае модели АРПСС показали лучшие параметры по сравнению с моделями экспоненциального сглаживания для всех исследуемых временных рядов. Процесс прогнозирования с помощью модели АРПСС включал несколько классических этапов [5]: – сначала был проведен анализ функции (АКФ) и частной автокорреляционной функции (ЧАКФ) с целью проверки ряда на

  2. In-text reference with the coordinate start=10002
    Prefix
    Прогнозирование методом АРПСС В рассматриваемом случае модели АРПСС показали лучшие параметры по сравнению с моделями экспоненциального сглаживания для всех исследуемых временных рядов. Процесс прогнозирования с помощью модели АРПСС включал несколько классических этапов
    Exact
    [5]
    Suffix
    : – сначала был проведен анализ функции (АКФ) и частной автокорреляционной функции (ЧАКФ) с целью проверки ряда на стационарность, если к однозначному заключению в данном случае прийти не удалось, использовался расширенный тест Дики-Фуллера или ADF-тест.

6
Электронный учебник по статистике. Москва, StatSoft, 2001. – WEB: / home/textbook/default.htm. (вход свободный, дата обращения 02.06.2013)
Total in-text references: 1
  1. In-text reference with the coordinate start=11205
    Prefix
    В результате был сформирован набор моделей, подлежащих дальнейшему анализу. – на заключительном этапе сравнивались прогностические способности данных моделей и проводилась проверка их на адекватность на основе анализа остатков. В хорошей модели взаимосвязь остатков низкая, графики автокорреляционной и частной автокорреляционной функции не превышают допустимых границ.
    Exact
    [6]
    Suffix
    . Расчеты производились с использованием прикладных пакетов Statistica 8.0 и SPSS 20.0. Среди осуществленных методов прогноза, исходя из параметров адекватности и точности прогноза, оптимальной моделью представляется прогноз, представленный в табл. 2.

7
Анисимов В.Н., Соломахо К.Л. Об эффективности модели ARIMA при прогнозировании экономических процессов // Известия Челябинского научного центра, вып. 2 (44), 2009. – С.44–48.
Total in-text references: 1
  1. In-text reference with the coordinate start=15455
    Prefix
    Последние исследования в данной области показывают, что при наличии явной линейности в задаче, способность нейронных сетей к обобщению оказывается более слабой по отношению к классическим методам. Это объясняется как раз нелинейностью сетей по своей сути
    Exact
    [2, 7]
    Suffix
    . То есть нейронные сети чаще всего имеет смысл использовать при решении таких задач, когда в явном виде определить тип зависимости не представляется возможным или классические методы показали не достаточно удовлетворяющие исследователя результаты.

8
Боровиков В. П. Нейронные сети. STATISTICA Neural Networks: Методология и технологии современного анализа данных. – М.: Горячая линияТелком, 2008. – 392 с.
Total in-text references: 1
  1. In-text reference with the coordinate start=15805
    Prefix
    То есть нейронные сети чаще всего имеет смысл использовать при решении таких задач, когда в явном виде определить тип зависимости не представляется возможным или классические методы показали не достаточно удовлетворяющие исследователя результаты. Теоретические основы и специфика построения моделей достаточно хорошо рассмотрена в работах
    Exact
    [2, 8, 9]
    Suffix
    . В нашем случае основное внимание было сосредоточено на возможности применения методов нейросетевого прогнозирования именно к тем временным рядам, где классические методы показали недостаточно хорошие результаты (R2 < 90).

9
Калан Р. Основные концепции нейронных сетей . – М.: ИД «Вильямс», 2001.– 290 c.
Total in-text references: 1
  1. In-text reference with the coordinate start=15805
    Prefix
    То есть нейронные сети чаще всего имеет смысл использовать при решении таких задач, когда в явном виде определить тип зависимости не представляется возможным или классические методы показали не достаточно удовлетворяющие исследователя результаты. Теоретические основы и специфика построения моделей достаточно хорошо рассмотрена в работах
    Exact
    [2, 8, 9]
    Suffix
    . В нашем случае основное внимание было сосредоточено на возможности применения методов нейросетевого прогнозирования именно к тем временным рядам, где классические методы показали недостаточно хорошие результаты (R2 < 90).

10
Нейросети и нейрокомпьютеры // сайт удаленного обучения Российского государственного социального университета. – URL: http://21.net78. net/lesson.php?glava=6 (вход свобод-
Total in-text references: 1
  1. In-text reference with the coordinate start=18736
    Prefix
    Их математическую основу составляет теория аппроксимации и интерполяции многомерных функций. Сколь угодно точная аппроксимация функций достигается при этом путем комбинации радиально симметричных функций
    Exact
    [10]
    Suffix
    . В таблице 3 приведены сравнительные характеристики моделей АРПСС и RBF для областей, для которых планировалось улучшить качество моделей. Как видно из приведенных в таблице 3 данных, нейронные сети показали лучшие результаты только для четырех областей из 19 построенных моделей.