УПРАВЛЕНИЕ БОЛЬШИМИ СИСТЕМАМИ
на главную написать письмо карта сайта


јвтор:  ƒобронец Ѕ.—., ѕопова ќ.ј.
Ќазвание:  ¬ычислительные аспекты цифровой экономики
¬ыпуск:  84
–убрика:  ”правление в социально-экономических системах
√од:  2020
Ѕиблиографи€:  ƒобронец Ѕ.—., ѕопова ќ.ј. ¬ычислительные аспекты цифровой экономики // ”правление большими системами. ¬ыпуск 84. ћ.: »ѕ” –јЌ, 2020. —.114-129. DOI: https://doi.org/10.25728/ubs.2020.84.6
 лючевые слова:  цифрова€ экономика, большие данные, вычислительный веро€тностный анализ, функциональна€ регресси€, экстрапол€ци€ –ичардсона, оценки рисков.
 лючевые слова (англ.):  digital economy, big data, computational probabilistic analysis, functional regression, Richardson extrapolation, risk assessment.
јннотаци€:  ќбсуждаютс€ основные вычислительные проблемы в задачах цифровой экономики, св€занные в первую очередь с обработкой и анализом данных больших объемов, организацией вычислительных процессов и повышением точности численных процедур. ѕодход основан на применении новых методов агрегации данных на основе вычислительного веро€тностного анализа, использовании веро€тностных расширений и численных операций над кусочно-полиномиальными функци€ми. ќдной из наиболее важных проблем численного моделировани€ больших данных €вл€етс€ задача вычислени€ функциональных зависимостей. ƒл€ вы€влени€ зависимостей в больших данных предлагаетс€ использовать функциональную регрессию в пространстве эмпирических распределений. –ассматриваютс€ новые методы моделировани€ функциональных зависимостей на основе кусочно-полиномиальных аппроксимаций. ƒл€ анализа и повышени€ точности вычислений используетс€ подход, основанный на правиле –унге и экстрапол€ции –ичардсона. ƒл€ организации вычислительного процесса примен€етс€ рекурсивно-параллельна€ схема, основанна€ на свойствах веро€тностных расширений. “акой подход обеспечивает технику быстрых и надежных вычислений в†услови€х больших объемов данных дл€ различных типов неопределенности. ¬†качестве примера рассматриваетс€ задача оценки инвестиционных рисков. –ассчитываютс€ функции плотности веро€тности таких факторов, как чиста€ текуща€ стоимость (NPV) и внутренн€€ норма доходности (IRR).
јннотаци€ (англ.):  The article discusses the main computational problems in the digital economy, primarily related to the processing and analysis of big data, the organization of computational processes and improving the accuracy of numerical procedures. The approach is based on the application of new methods of data aggregation based on computational probabilistic analysis, the use of probabilistic extensions and numerical operations on piecewise polynomial functions. One of the most important tasks of numerical modeling of big data is the calculation of functional dependencies. It is proposed to use functional regression on empirical distributions to identify dependencies in big data. New methods for modeling functional dependencies based on spline approximations are considered. To study and improve the accuracy of calculations, an approach based on the Runge rule and Richardson extrapolation is used. To organize the computing process, a recursive-parallel scheme is used, based on the properties of probabilistic extensions. This approach provides a technique for fast and reliable calculations in the conditions of large volumes of data for various types of uncertainty. As an example, the problem of assessing investment risks is considered. The probability density functions of factors such as net present value (NPV) and internal rate of return (IRR) are calculated.

¬ формате PDF
ќбсудить статью в »нтернет-конференции по проблемам управлени€

ѕросмотров: 125, загрузок: 44, за мес€ц: 14.

Ќазад

»ѕ” –јЌ © 2007. ¬се права защищены