A gépi tanulási módszerek természettudományi/műszaki alkalmazásáról sokat hallani, de mi a helyzet a társadalomtudományokkal? Erről szól Bakó Tamás írása, amelyben rövid és jól követhető gondolatmenetben áttekinti a mesterséges neurális hálózatok működésének alapjait és bemutatja az általuk használt speciális módszert, az un. Long-Short Term Memoryt (LSTM). Munkatársaival együtt arra voltak kíváncsiak, hogy az LSTM neurális háló mennyire alkalmazható rövid távú munkakereslet előrejelzésére. Olyan modellt kerestek, amely a legjobban adja vissza a foglalkoztatás rövid távú változását 2016-2017 között a 1994-2015 közötti adatok alapján. Eredményeik azt mutatták, hogy a gépi tanulásos módszer jobb rövidtávú predikciós képességgel rendelkezik, mint a hagyományos ARIMA modell.
A cikk elérhető a KRTK Absztrakt 2018. december 5-i számában.
A KRTK Közgazdaság-tudományi Intézet teljesítményéről A KRTK KTI a RePEc/IDEAS rangsorában, amely a világ közgazdaság-tudományi tanszékeit és intézeteit rangsorolja publikációs teljesítményük alapján, a legjobb ... Részletek »
Tisztelt Kollégák! Tudományos kutatóként, intézeti vezetőként egész életünkben a kutatói szabadság és felelősség elve vezetett bennünket. Meggyőződésünk, hogy a tudomány csak akkor érhet el ... Részletek »
This book draws upon economic and sociological theory to provide a comprehensive discussion of economic space for social innovation, addressing especially marginalized groups ... Részletek »
Crop Productivity and Climatic Conditions: Evidence from Hungary Abstract Hungarian agriculture is expected to experience greater risks due to more variability in crop productivity ... Részletek »
The Effect of Investment, LFA and Agri‐environmental Subsidies on the Components of Total Factor Productivity: The Case of Slovenian Farms Abstract The effect of ... Részletek »
