Додаток Ж. Приклад написання вступу та постановки задачі:

💸 Как сделать бизнес проще, а карман толще?

Тот, кто работает в сфере услуг, знает — без ведения записи клиентов никуда. Мало того, что нужно видеть свое раписание, но и напоминать клиентам о визитах тоже. Проблема в том, что средняя цена по рынку за такой сервис — 800 руб/мес или почти 15 000 руб за год. И это минимальный функционал. Нашли самый бюджетный и оптимальный вариант: сервис VisitTime.
⚡️ Для новых пользователей первый месяц бесплатно. А далее 290 руб/мес, это в 3 раза дешевле аналогов. За эту цену доступен весь функционал: напоминание о визитах, чаевые, предоплаты, общение с клиентами, переносы записей и так далее.
✅ Уйма гибких настроек, которые помогут вам зарабатывать больше и забыть про чувство «что-то мне нужно было сделать».
Сомневаетесь? нажмите на текст, запустите чат-бота и убедитесь во всем сами!

Приклад написання вступу та постановки задачі:

Прогнозування нелінійних часових рядів – цікава та складна проблема, особливо у випадку, коли поведінка ряду є нестабільною або хаотичною. Для моделювання нелінійних динамічних систем та прогнозування нелінійних часових рядів запропоновано декілька підходів, включаючи пошук подібних траєкторій, приховані моделі Маркова, інтерполяція сплайнами, функції з радіальним базисом, нейромережі, тощо.

Однак, на сьогоднішній день всі ці методи недостатньо вивчені, вони мають в основі досить складне теоретичне підґрунтя, висновки з якого не завжди можна успішно застосувати на практиці. Немає чітких критеріїв, в якому випадку спрацює той чи інший метод, а в якому необхідно шукати нові підходи. Тому зараз складається тенденція до застосування не „найкращого” методу при описі та прогнозуванні часових рядів, а комплексу методів та подальшому порівнянні результатів. І чим більше різноманітних за принципом прогнозування методів налічує комплекс, тим більшою буде вірогідність того, що буде визначена та природна закономірність, за якою будується ряд.

Виходячи з тенденцій та історії розвитку методів прогнозування за мету даної роботи були поставлені розробка та реалізація нового алгоритму прогнозування із застосуванням деяких відомих принципів розпізнавання образів, його програмна реалізація та порівняння з відомими методами прогнозування.

Використання запропонованого методу дозволяє отримати додатковий аналітичний інструмент при вивченні, аналізі та прогнозуванні сезонних рядів, що містять тренди будь-якого походження. Це забезпечує широке використання методу при прогнозуванні нелінійних та нестаціонарних процесів.

Перший розділ присвячено аналізу задачі прогнозування як однієї з основних задач системного аналізу. Наведено огляд математичних моделей нелінійних процесів і коротко розглянуто методи визначення навності нелінійностей.

В другому розділі наведено результати розробки алгоритму прогнозування нелінійних процесів. Розглянуто деякі відомі методи прогнозування, а також новий ітераційний алгоритм на основі пошуку подібної траєкторії руху процесу. Виконано аналіз точності прогнозування.

Третій розділ присвячено моделюванню нового ітераційного алгоритму, а також алгоритму прогнозування на основі використання різницевих рівнянь типу авторегресії з ковзним середнім. Виконано порівняльний аналіз методів прогнозування.

Створено програмний продукт, який призначений для використання при прогнозуванні реальних часових рядів та в навчальному процесі.

1. Виконати аналіз задач, пов’язаних із прогнозуванням нелінійних процесів, представлених часовими рядами.

2. Зробити критичний огляд відомих методів прогнозування нелінійних часових рядів, зокрема

3. Розробити методику прогнозування нелінійних процесів (часових рядів) за допомогою методу пошуку подібних траєкторій.

4. Виконати порівняльний аналіз використаних методів прогнозування на модельних (тестових) та реальних даних. Зробити висновки щодо можливостей застосування використаних методів.