Проблемы подготовки данных для обучения нейросети с целью анализа и прогнозирования тарифов на морском транспорте

Рассмотрены проблемы, возникающие на этапе подготовки обучающих данных для нейросети, анализирующей тарифы на перевозки стандартных контейнеров морским транспортом между портами Китая и Приморского края России, в перспективе способной с приемлемой точностью прогнозировать изменения в тарифных планах грузоперевозчиков.

1. Иващенко М. Г., Нестеренков С. Н., Ситников А. В. Эффективное использование нейронных сетей в решении задач автоматизации в логистике // BIG DATA и анализ высокого уровня: сборник научных статей X Международной научно-практической конференции в двух частях, 13 марта 2024 г., Минск. Минск: Белорусский государственный университет информатики и радиоэлектроники, 2024. С. 368–372. EDN: MQURLR.

2. Ли Ш., Сюе В. Особенности применения современных цифровых технологий для оптимизации логистических // Russian Economic Bulletin. 2024. Т. 7. № 4. С. 119–126. DOI: 10.58224/2658-5286-2024-7-4-119-126. EDN: QWWTFJ.

3. Дмитриев А. В. Цифровизация транспортно-логистических услуг на основе применения технологии дополненной реальности // Вестник ЮУрГУ. Серия: Экономика и менеджмент. 2018. № 2. URL: https://cyberleninka.ru/article/n/tsifrovizatsiya-transportnologisticheskih-uslug-na-osnoveprimeneniya-tehnologii-dopolnennoyrealnosti (дата обращения: 30.11.2024).

4. Баранникова А. О., Вороненко А. К., Смирнов С. М. О некоторых аспектах применения технологий Индустрии 4.0 в морских портах // Транспортное дело России. 2024. № 2. С. 122–126. EDN: DFLKEM.

5. Астраханцева И. А., Кутузова А. С., Астраханцев Р. Г. Рекуррентные нейронные сети для прогнозирования региональной инфляции // Научные труды Вольного экономического общества России. 2020. № 3. URL: https://cyberleninka.ru/article/n/rekurrentnye-neyronnye-seti-dlyaprognozirovaniya-regionalnoy-inflyatsii (дата обращения: 01.12.2024).

6. Афанасьев С., Смирнова А., Ахметсафин И., Молоканов И. LGD-модели для розничного кредитования. Часть 2: разработка «ядра» модели // Риск-менеджмент в кредитной организации. 2021. № 4.

7. Качановский Ю. П., Коротков Е. А. Предобработка данных для обучения нейронной сети // Фундаментальные исследования. 2011. № 12–1. С. 117–120. EDN: OFYRIV.

8. Жанаева С. Б. К вопросу о подготовке данных при разработке модели нейронной сети // Вестник СибГУТ И. 2022. Т. 16. № 4. С. 69–79. DOI: 10.55648/1998-6920-2022-16-4-69-79. EDN: DJHMSW.

9. Маслов И. А. Оптическое распознавание символов в информационных системах и проблемы внедрения // E-Scio. 2023. № 3 (78). URL: https://cyberleninka.ru/article/n/opticheskoe-raspoznavanie-simvolovv-informatsionnyh-sistemah-iproblemy-vnedreniya (дата обращения: 29.11.2024).