Тема выпускной квалификационной работы: «Реализация модели прогнозирования covid-19 на основе нейронных сетей». Целью данной работы является разработка новой модели прогнозирования COVID-19 на основе нейронных сетей. В связи с этим был решен ряд задач: рассмотрены существующие модели прогнозирования COVID-19 на основе нейронных сетей; рассмотрены способы улучшения показателей моделей на основе нейронных сетей с помощью методов предобработки данных; предложена и реализована своя реализацию модели прогнозирования COVID-19 на основе нейронных сетей. В ходе работы с применением высокоуровневого языка программирования Python и фреймворка Tensorflow были реализованы и обучены две нейронные сети с разработанными архитектурами. Для демонстрации возможностей модели были получены значения прогнозов на период в 60 дней, а затем было проведено сравнение полученных результатов прогнозирования и точность и результатами рассмотренных работ. Реализованные модели сравнились по значениям среднеквадратического отклонения и средней абсолютной ошибки с моделью, приведенной в рассмотренной статье. Прогнозы собственных моделей и модели, приведенной в рассмотренной работе, визуально сходятся.

The subject of graduate qualification work is «Implementation of the forecasting model covid-19 based on neural networks». The goal of this work is to develop a new forecasting model COVID-19 based on neural networks. In this connection, several problems were solved: the existing neural network-based COVID-19 prediction models were considered; methods of improving performance of neural network-based models using preprocessing data methods were considered; own implementation of the neural network-based COVID-19 prediction model was proposed and implemented. In the course of work using the high-level Python programming language and the Tensorflow framework, two neural networks with the developed architectures were implemented and trained. To demonstrate the capabilities of the model, forecast values were obtained for a period of 60 days and then the results of the forecasts and accuracy were compared with the results of the reviewed work. The implemented models were compared in terms of root mean square error and mean absolute error values with the model given in the article reviewed. The predictions of the own models and the model given in the considered work visually converge.

• РЕФЕРАТ
• ABSTRACT
• ВВЕДЕНИЕ
• ГЛАВА 1. НЕЙРОННЫЕ СЕТИ
  • 1.1 Основные положения нейронных сетей
  • 1.2 Рекуррентные нейронные сети
  • 1.3 LSTM-сети
• ГЛАВА 2. ОБЗОР СУЩЕСТВУЮЩИХ ПОДХОДОВ
• ГЛАВА 3. РАЗРАБОТКА СОБСТЕННОГО РЕШЕНИЯ
• ГЛАВА 4. СРАВНИТЕЛЬНЫЙ АНАЛИЗ
• ЗАКЛЮЧЕНИЕ
• СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ