Задание

Ознакомиться с математическими основами алгоритма SVR (support vector regression) и возможности библиотек языка Python с реализацией данного алгоритма (scikit-learn);
Ознакомиться с алгоритмом реконструкции аттракторов с помощью теоремы Такенса (delay coordinate embedding for phase space reconstruction);
Ознакомиться с алгоритмами оптимизации, в том числе, генетическим(GA), хаотическим генетическим алгоритмом (CGA) и "светлячковым" алгоритмом (FA);
Применить изученный стек технологий и алгоритмов к задаче прогнозирования цен акций некоторый компаний на фондовом рынке (биржа NASDAQ). Сравнить (по среднеквадратической ошибке (MSE) и средней абсолютной ошибке (MAPE)) применения различных алгоритмов оптимизации.

Список литературы

Кузнецов С. П., Динамический хаос (курс лекций). – М: Физматлит, 2001
F. Takens. Detecting strange attractors in turbulence. In D. A. Rand and L.-S. Young. Dynamical Systems and Turbulence, Lecture Notes in Mathematics, vol. 898. Springer-Verlag. 1981, pp. 366-381
Feng, J., Zhang, J., Zhu, X. et al. A novel chaos optimization algorithm. Multimed Tools Appl 76, 17405–17436 (2017).
G. Quaranta, W. Lacarbonara, S.F. Masri. A review on computational intelligence for identification of nonlinear dynamical systems — Nonlinear Dynamics vol. 99, pp.1709–1761, 2020
X.S. Yang, Nature Inspired Metaheuristic Algorithms, Luniver Press, Frome, UK, 2008
Ahmad Kazem, Ebrahim Sharifi, Farookh Khadeer Hussain, Morteza Saberi, Omar Khadeer Hussain, Support vector regression with chaos-based firefly algorithm for stock market price forecasting, Applied Soft Computing, Volume 13, Issue 2, 2013, Pages 947-958,

ФИО: Мокаев Руслан Назирович [e-mail][Telegram]