Machine learning forecasting of USA and PRC balance of trade in context of mutual sanctions
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F75081431%3A_____%2F20%3A00002075" target="_blank" >RIV/75081431:_____/20:00002075 - isvavai.cz</a>
Výsledek na webu
<a href="https://www.shs-conferences.org/articles/shsconf/pdf/2020/01/shsconf_ies_2019_01025.pdf" target="_blank" >https://www.shs-conferences.org/articles/shsconf/pdf/2020/01/shsconf_ies_2019_01025.pdf</a>
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Machine learning forecasting of USA and PRC balance of trade in context of mutual sanctions
Popis výsledku v původním jazyce
Authors aim is to examine and subsequently equalize two time series –the USA import from the PRC and the USA export to the PRC. The dataset shows the course of the time series at monthly intervals between January 2000 and July 2019. 10,000 multilayer perceptron networks (MLP) are generated, out of which 5 with the best characteristics are retained. It has been proved that multilayer perceptron networks are a suitable tool for forecasting the development of the time series if there are no sudden fluctuations.
Název v anglickém jazyce
Machine learning forecasting of USA and PRC balance of trade in context of mutual sanctions
Popis výsledku anglicky
Authors aim is to examine and subsequently equalize two time series –the USA import from the PRC and the USA export to the PRC. The dataset shows the course of the time series at monthly intervals between January 2000 and July 2019. 10,000 multilayer perceptron networks (MLP) are generated, out of which 5 with the best characteristics are retained. It has been proved that multilayer perceptron networks are a suitable tool for forecasting the development of the time series if there are no sudden fluctuations.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
50200 - Economics and Business
Návaznosti výsledku
Projekt
—
Návaznosti
N - Vyzkumna aktivita podporovana z neverejnych zdroju
Ostatní
Rok uplatnění
2020
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
SHS Web of Conferences: Innovative Economic Symposium - Potential of Eurasian Economic Union (IES)
ISBN
9782759890941
ISSN
—
e-ISSN
—
Počet stran výsledku
16
Strana od-do
—
Název nakladatele
EDP Sciences
Místo vydání
Les Ulis, France
Místo konání akce
České Budějovice, Česká republika
Datum konání akce
7. 11. 2019
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000648964700025